GELECEK

Konu Sosyoloji Olunca Yapay Zeka da Yanılır

Son zamanlarda yapay zekanın farklı farklı konularda elde ettiği başarılara sık sık rastlıyoruz. Peki, yapay zeka sosyolojik analiz yapabilir mi?

Hepsinin ortak amacının da ilgilendikleri konuda yüksek doğrulukta tahminlere erişmek olduğunu görüyoruz. Öyle ki, biz insanlarla yarışır durumdalar. Hatta çoğu konuda, insanları geride bırakabildiklerine de şahit olduk.

Ancak bu kez değil..

1950’lerde Alan Turing’in yayınlamış olduğu bir makalede makinelerin düşünüp düşünemediğini irdelemesiyle ortaya çıkan yapay zeka, döneminin çığır açan gelişmelerin başrolü idi. Devamında makine öğrenimi ve derin sinir ağları yöntemleri ile daha da gelişti. Yani yapay zeka, genel kanının aksine çok da yeni bir kavram değil.. Büyüğümüz olur kendisi. 🙂

***

Peki Yapay Zeka Sosyolojik Analiz Yapabilir mi?

Son zamanlarda yapay zekanın sosyal bilimlerde de yaygınlaştığını görüyoruz. Özellikle sosyoloji, psikoloji gibi insan ile doğrudan ilgilenen alanlarda yapay zeka çalışmaları artıyor. İnsan ve toplum davranışlarının öngörüsünü yapabilmek özellikle politika yapıcıların da oldukça işine geliyor.

Ancak bu bağlamda yapılan son çalışmalardan biri, yapay zekanın insanı ve sosyolojiyi analiz etme noktasında arzulanan seviyeye gelmediğini gösteriyor.

Amerika Birleşik Devletleri Ulusal Bilimler Akademisi bilimsel dergisinde yayımlanan yeni bir çalışma, belli bilgiler mevcutken, yapay zekanın bir insanın geleceğini tahmin etmedeki başarısı konusunda şüphe oluşturuyor.

Yüzlerce araştırmacı, 15 yıllık verilerine sahip oldukları çocukların ve ailelerin geleceği hakkında yapay zeka ile tahminde bulunmaya çalıştı. Ancak çalışmaların hiçbirinde anlamlı doğrulukta bir sonuç elde edilemedi.

Princeton Üniversitesi’ndeki üç sosyolog yüzlerce araştırmacıdan 4.000’den fazla aileden yaklaşık 13.000 veri göstergeleri kullanarak çocuklar, ebeveynler ve haneler için altı yaşam sonucu tahmin etmelerini istedi.

Araştırmacılardan hiçbiri, basit istatistikler ya da ileri düzey makine öğrenimi kullansalar da makul bir doğruluk seviyesine yaklaşamadı bile..

Bir kurumda yapay zeka araştırma başkanlığı yapan Alice Xiang, bu çalışmanın ve sonuçlarının makine öğrenme araçlarının sihir olmadığı fikrini vurguladığını belirtti.

***

Araştırmacılar, Princeton’da Sosyoloji ve Halkla İlişkiler Profesörü Sara McLanahan liderliğindeki Kırılgan Aileler ve Çocuk Sağlığı Çalışması adlı 15 yıllık bir sosyoloji çalışmasının verilerini kullandılar.

Orijinal çalışma, 2000 yılında ABD’nin büyük şehirlerindeki hastanelerde doğmuş çocuklar üzerinden yapılmış. Seçilen çocuklar 1, 3, 5, 9, ve 15 yaşlarında veri toplama amacıyla takip edilmiş.

Çalışmanın veri toplama modülleri. Her modül yaklaşık 10 bölümden oluşur. Burada her bölüm,belirli bir konu hakkında sorular içerir (örneğin, evlilik tutumları, aile özellikleri, demografik özellikler).

Ailelerin çocuk doğumu ve 1, 3, 5, 9 ve 15.yaşları içeren altı bölümlük verileri, kendi içinde de ayrı ayrı sorular içeriyor.

Örneğin, ilk modül (doğum) anne ve baba ile anket görüşmelerini içeriyor.

Örneğin, anne ile yapılan görüşmede; çocuk sağlığı ve gelişimi, baba-anne ilişkileri, babalık, evlilik tutumları, akraba ile ilişki, çevresel faktörler ve hükümet programları, sağlık davranışı,demografik özellikler, eğitim,istihdam ve gelir gibi konuları kapsıyor.

Zamanla, veri toplama kapsamı artırılıp çocuğun öğretmeni ve çocukla anket görüşmelerini yapıldı. Mesela 5. modülde çocukla yapılan görüşme (9 yaş) şu konularda sorular yöneltildi:

*ebeveyn denetimi,ilişkisi, disiplini

*kardeş ilişkileri

*sağlık ve güvenlik

*görev tamamlama ve davranış

* ihmaller.

İleri safhalarda, anketlere ek olarak, psikometrik testler (örn. Peabody Resimli Kelime Testi, Johnson Passage Anlama Testi, biyometrik ölçümler -örn. Boy, ağırlık vb.-, mahalle ve evin gözlemleri gibi) içeren bir değerlendirme yapmak için 3, 4 ve 5 numaralı modüllerde (3, 5 ve 9 yaşlarında) çocukların evlerine gitti.

6. modül ise katılımcıların erişemediği bilgileri içeriyordu. Okul ortalamalarından (GPA), çocuğun dayanıklılığına ve hanehalkı verilerine dek bulgular içeren modül, tahminleme başarılarının bir parçası oldu.

Katılımcılar, algoritmalarını eğitmek için elde ettikleri verilerle sıkı bir çalışmaya başladı. Bilgisayar bilimcileri, istatistikçiler ve sosyologları içeren yüzlerce araştırmacı, tahminde başarıyı yakalamak için en iyi tekniklerle çalıştı.

Böylesi detaylı, uzun süreli bir çalışmanın ardından hem çok sayıda veri hem de çok sayıda test ve anket yapılmış olmasına rağmen, sunum sonuçlarının hiçbirinde yüksek doğruluk elde edilemedi..

En iyi tahminlerin bile çok doğru olmadığı görülen çalışmada istatistiksel olarak anlamlı sonuç elde edilmesini sağlayan R kare (R2) değerleri, oldukça düşük aralıklarda seyretti.

R2 = 1 olması, deneysel verilerin kusursuzluğunu tanımlasa da yukarıda göreceğiniz sonuçların 1’den çok uzak olduğunu yani güvenilir sonuçlar olmadığını görüyoruz. (Mesela GPA için yaklaşık 0.2, diğer dört sonuç için yaklaşık 0.05 bandında olan R2 sonuçları elde edilmiş.)

***

Yapay zekayı toplumlar için kullanan bazı araştırmacılara göre bu sonuçlar sürpriz değil. Xiang’a göre, ceza yargılama sistemindeki en doğru risk değerlendirme algoritmalarının bile % 60 veya % 70 oranında doğru çıktığı görülüyor.

Xiang, bu yüzdelik kulağa hoş gelse de, tekrardan suç işleme oranlarında tahminlemeye gelince, doğruluğun % 40’tan da daha düşük olabileceğini belirtiyor..

Yapay zekanın insan davranışları analizinde kat etmesi gereken daha çok yol var gibi görünüyor.

Normal zeka insanı anlayamadı yıllardır. Sen hiç karışma istersen yapay zeka..

Zaten ortalık karışık. 🙂

Çalışmanın Makalesi: PNAS.ORG

Matematiksel

Paylaşmak Güzeldir

Ceren Demir

Kendini, insanları, dünyayı tanıma ve anlama çabasında, belki de kaosta olan; filmin oyuncularından, dünya üzerindeki küçücük noktalardan biriyim.. Dokuz Eylül Üniversitesi'nde Ekonomi bölümünde yüksek lisansa devam ediyorum. Spora, sanata (özellikle resim sanatı), müziğe, doğaya, doğa sporlarına, felsefeye, psikolojiye, kitaplara, filmlere düşkünüm.. Okumayı, yazmayı, öğrenmeye çabalamayı çok seviyorum. Küçük yaşlardan itibaren birikmiş 9 adet günlüğüm var. Amaçlı ve amaçsız yaşamanın çeşitli noktalardan artı ve eksileri olduğunu düşünsem dünyadaki her şeyin gelip geçici olduğuna inanıyorum. Yine de -her şeye rağmen- ben uzun süredir amacı olanlardanım.. Buradan enerji sağlayabiliyorum.. Çoğunlukla enerjik, dışa dönük olsam da yeri geldikçe oldukça içe kapanmaya ve yalnızlığa susayabiliyorum. İkisi de keyifli ve öğretici.. Matematiksel sitesinin öncelikle hayranı olan bir okuruyum sonra Matematiksel’e katkı sağlamaya çalışan enfes ekibin bir parçasıyım. Özetle bu dünyayı bir rüyaymış gibi (Is this the real life? Is this just fantasy?) hissedip iyi bir insan olarak '‘kalmaya'’ çabalayan, sonsuzmuş gibi üretmeye çalışan insanlardan olarak; bahsettiğim 'bencil' bilgilerimi önemsiz sayıyorum. Sadece denizdeki kum tanelerinden biri olduğumun farkındayım. Ancak okyanusları merak etmekten vazgeçemiyorum. Yaşam keşifle canlanıyor..

Bir cevap yazın

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir

Kapalı