Yapay Zekâ Neden Doğayı Henüz Anlayamıyor?

Yapay zekâ artık kuş türlerini görüntüden tanıyabiliyor. Uydu görüntülerinden orman kaybını izleyebiliyor.

Yağış tahmini yapabiliyor. Deniz yüzeyi sıcaklıklarını, yangın riskini, arazi örtüsü değişimini, türlerin olası dağılım alanlarını modelleyebiliyor. Büyük veri setleri üzerinde insanın aylarca göremeyeceği örüntüleri saniyeler içinde yakalayabiliyor.
Bunların hiçbiri önemsiz değil. Ama burada rahatsız edici bir soru var: Yapay zekâ doğayı gerçekten anlıyor mu? Cevap henüz hayır. Bu cevap teknoloji karşıtlığı değildir. Tersine, teknolojiyi ciddiye almaktır. Çünkü bir aracın neyi iyi yaptığını bilmek kadar, neyi henüz yapamadığını görmek de bilimsel dürüstlüğün gereğidir. Bugünkü yapay zekâ doğayı okuyabiliyor, sınıflandırabiliyor, tahmin edebiliyor, haritalayabiliyor. Fakat doğayı çoğu zaman hâlâ ilişki, eşik, beden, zaman ve bağlam içinde kavrayamıyor. Aradaki fark büyüktür.
Bir orman görüntüsünü sınıflandırmak başka şeydir, o ormanın kuraklık karşısındaki dayanma kapasitesini anlamak başka şeydir. Bir nehrin taşkın riskini modellemek başka şeydir, o nehrin havza, toprak, yerleşme baskısı, hafıza ve ekolojik koridor olarak taşıdığı anlamı kavramak başka şeydir. Bir türün dağılım olasılığını tahmin etmek başka şeydir, o türün başka türlerle, mikroiklimle, insan baskısıyla, yangın geçmişiyle ve peyzaj parçalanmasıyla kurduğu ilişkileri çözmek başka şeydir.
Yapay zekâ çoğu zaman ilkini yapıyor. İkincisine yaklaşıyor, ama henüz orada değil. Neden? İlk neden veriyle ilgilidir. Yapay zekâ veriyle beslenir. Fakat doğa, veriye kolayca dönüşen bir nesne değildir. Doğadaki birçok süreç eksik ölçülür. Bazıları hiç ölçülmez. Bazıları yanlış ölçekte ölçülür. Bazıları yalnızca kısa süreli kayıtlarla temsil edilir. Bazıları ise sayısal veriye çevrilirken anlamının büyük kısmını kaybeder.
Bir uydu görüntüsü ormanın yeşilliğini gösterebilir; ama toprağın altındaki mantar ağını göstermez. Bir sıcaklık haritası kentsel ısı adasını gösterebilir; ama yaşlı bir insanın o sokakta yürürken yaşadığı bedensel stresi doğrudan göstermez. Bir tür gözlem kaydı, canlıyı nerede gördüğümüzü gösterebilir; ama onu neden orada gördüğümüzü her zaman açıklamaz. Bu yüzden doğa yalnızca veri meselesi değildir. Gözlenmeyen ilişkiler, ölçülmeyen eşikler ve kayıtlara girmeyen süreçler vardır. İkinci neden ölçekle ilgilidir.
Doğa tek ölçekte çalışmaz. Yaprağın üzerindeki su kaybı başka bir ölçektir. Ağacın büyümesi başka. Ormanın mikroiklimi başka. Havzanın su döngüsü başka. Bölgesel iklim salınımı başka. Küresel atmosfer sistemi başka. Ama bu ölçekler birbirinden kopuk değildir. Bir yaprağın stomalarından atmosfere, bir dere kenarındaki bitki örtüsünden taşkın rejimine, bir kent yüzeyinin ısınmasından bölgesel enerji dengesine uzanan ilişkiler vardır.
Yapay zekâ bu ölçekleri çoğu zaman ayrı veri problemleri gibi ele alır. Görüntü sınıflandırır, tahmin üretir, korelasyon yakalar. Fakat ekolojik gerçeklikte ölçekler birbirine sızar. Küçük olan büyük olanı etkileyebilir. Büyük olan küçük olanın sınırlarını çizebilir.
Okyanustaki planktonun atmosfer kimyasıyla ilişkisini hatırlayalım. Mikroskobik bir canlı topluluğunun ürettiği bileşikler, uygun koşullarda aerosol oluşumuna ve bulut süreçlerine kadar uzanan bir zincirin parçası olabilir. Bu, doğanın “küçük” ile “büyük” arasında bizim çizdiğimiz sınırları tanımadığını gösterir.
Yapay zekâ ise çoğu zaman çözünürlük seçmek zorundadır. Piksel büyüklüğü belirler. Zaman aralığı seçer. Veri seti oluşturur. Modelin çalışması için doğayı belirli bir ızgaraya oturtur. Bu kaçınılmazdır. Ama aynı zamanda kayıptır. Çünkü doğa, bizim piksellerimizden daha süreklidir.
Üçüncü neden ilişkiselliktir. Doğa nesnelerden değil, ilişkilerden oluşur. Bir ağaç yalnızca ağaç değildir; kök, mantar, kuş, böcek, gölge, nem, toprak ve insan kullanımıyla birlikte anlam kazanır. Bir dere yalnızca su değildir; sediman, kıyı bitkisi, taşkın düzlüğü, yeraltı suyu, balık, çocukluk hafızası, mülkiyet baskısı ve afet riskiyle birlikte çalışır. Bir park yalnızca yeşil alan değildir; serinlik, sosyalleşme, yürüme, oyun, sağlık, habitat ve yağmur suyu tutma kapasitesidir.
Yapay zekâ ise çoğu zaman varlıkları etiketler. Ağaç. Yol. Bina. Su. Tarım alanı. Orman. Çıplak zemin. Bu sınıflandırma gereklidir ama yetersizdir. Çünkü doğada asıl soru “ne var?” değildir. Daha zor soru şudur: Ne, neyle, nasıl ilişki kuruyor? Bir ağacın varlığı önemlidir; ama ağacın nerede olduğu, kimin gölgesini sağladığı, hangi rüzgâr hattını etkilediği, hangi kuşlara konak sunduğu, hangi yüzey sıcaklığını düşürdüğü, hangi yaya güzergâhını yaşanabilir kıldığı daha önemlidir.
Bugünkü yapay zekâ bu ilişkileri modelleyebilir mi? Kısmen. Ama hâlâ çoğu sistem, ilişkileri ekolojik anlamlarıyla değil, istatistiksel yakınlıklarıyla okuyor. Korelasyon buluyor. Desen yakalıyor. Benzerliği ölçüyor. Fakat ekolojik nedenliliği, geri beslemeyi ve eşik davranışını kavramak daha zor. Bu nedenle “model doğru tahmin yaptı” cümlesi her zaman “model sistemi anladı” anlamına gelmez. Bu ayrım kritik.
Bir model geçmiş veriye bakarak yangın riskini doğru sınıflandırabilir. Fakat yangın rejiminin yerel yakıt yükü, kuraklık stresi, rüzgâr koridorları, arazi terkleri, tür kompozisyonu, enerji hatları, insan davranışı ve iklim anomalileriyle birlikte nasıl üretildiğini açıklayamıyorsa, planlama için sınırlı bir zekâ sunar. Tahmin güçlü olabilir. Anlama zayıf kalabilir.
Dördüncü neden zamanla ilgilidir. Yapay zekâ hızlıdır. Doğa yavaştır. Daha doğrusu doğada farklı zamanlar aynı anda işler. Bir böceğin yaşam döngüsü haftalarla, bir ağacın büyümesi on yıllarla, toprağın oluşumu yüzyıllarla, iklim sistemi binyıllarla ilgilidir. Kent planı ise çoğu zaman seçim takvimi, yatırım döngüsü ve ihale süresiyle sınırlıdır.
Doğayı anlamak, zamanın bu katmanlarını birlikte okuyabilmeyi gerektirir. Bir sulak alanı kurutursunuz. İlk yıl bir şey olmamış gibi görünür. Beş yıl sonra kuşlar azalır. On yıl sonra yeraltı suyu etkilenir. Yirmi yıl sonra taşkın davranışı değişir. Otuz yıl sonra bölgenin mikroiklimi başka bir karakter kazanır. Yapay zekâ bu süreci hangi veriyle öğrenecek? Kısa dönemli kayıtlarla mı? Eksik haritalarla mı? Sonradan üretilmiş raporlarla mı? Doğa uzun hafızalıdır. Verimiz çoğu zaman kısa hafızalıdır. Bu yüzden yapay zekâ, doğanın bazı sonuçlarını yakalayabilir; ama tarihini kaçırabilir.
Beşinci neden beden meselesidir. Yapay zekânın bedeni yoktur. Sıcağı hissetmez. Kurak toprağın çatlama sesini duymaz. Bir derenin kokusundaki değişimi fark etmez. Gölgesiz bir sokakta yürüyen yaşlı bedenin zorlanmasını yaşamaz. Çocukların oyun alanından neden çekildiğini hissetmez. Toprağın nemini eliyle tutmaz. Rüzgârın yön değiştirdiği bir vadi ağzında beklemez.
Bunlar duygusal ayrıntılar gibi görülebilir. Değil. Çevresel kararlar yalnızca soyut veriyle alınmaz. Mekân bedende de okunur. Peyzaj mimarlığı, ekolojik planlama, afet yönetimi ve kentsel tasarım bu yüzden yalnızca ekran başında yapılamaz. Araziye çıkmak hâlâ gereklidir. Yerel bilgi hâlâ gereklidir. Yaşayanların deneyimi hâlâ gereklidir.
Yapay zekâ bu deneyimleri destekleyebilir. Ama onların yerine geçemez. Bu noktada açık konuşmak gerekir. Yapay zekâ, doğayı anlamıyor diye onu dışlamak çocukça olur. Doğa çok karmaşık diye teknolojiden kaçmak da zayıf bir tutumdur. Sorun yapay zekânın varlığı değil; ona yüklediğimiz yanlış roldür.
Yapay zekâ doğanın efendisi olamaz. Doğru kullanılırsa, doğayı daha dikkatli okumamıza yardım eden güçlü bir araç olabilir. Uydu görüntülerinden orman kaybını izleyebilir. Taşkın hassasiyetini analiz edebilir. Arazi örtüsü değişimini yakalayabilir. Kentsel ısı adalarını haritalayabilir. Tür dağılımı için olasılık modelleri kurabilir. Çok büyük veri setleri içinde insanın kolayca göremeyeceği örüntüleri görünür kılabilir. Bu kapasite değerlidir.
Ama mesele şudur: Yapay zekâ doğayı yalnızca veri havuzu olarak görürse, bizi daha iyi bir ekolojik akla değil, daha sofistike bir kontrol yanılsamasına götürür. Bugünkü risk tam da budur. Doğayı ölçüyoruz. Doğayı haritalıyoruz. Doğayı sınıflandırıyoruz. Doğayı izliyoruz. Ama doğayla ilişkimizi değiştirmiyoruz.
Eğer yapay zekâ yalnızca mevcut kalkınma modelinin hızlandırıcısı olursa, ekolojik krizi çözmez. Onu daha verimli hale getirir. Daha hızlı maden arama, daha keskin arazi değerleme, daha agresif altyapı optimizasyonu, daha incelikli tüketim yönetimi, daha yüksek enerji talebi. Bu da zekâ değil, otomatikleşmiş körlüktür.
Bu nedenle Nature-Based Intelligence, yani Doğa Temelli Zekâ, yapay zekâya karşı değil; yapay zekânın eksik aklına karşı geliştirilmiş bir yaklaşımdır. Doğa Temelli Zekâ şunu söyler: Yapay zekâ doğayı anlamak istiyorsa, yalnızca insanın ürettiği verileri değil, doğanın işleyiş ilkelerini öğrenmek zorundadır. Geri besleme nedir? Eşik nedir? Taşıma kapasitesi nedir? Çok işlevlilik nedir? Ekolojik bağlantı nedir? Bozulma sonrası toparlanma nasıl gerçekleşir? Bir sistem ne zaman geri döndürülemez bir eşiğe yaklaşır? Küçük bir müdahale hangi koşullarda büyük sonuç üretir? Bunlar yalnızca veri bilimi soruları değildir. Bunlar ekoloji, planlama, tasarım, etik ve siyaset sorularıdır.
Avrupa Birliği Erasmus+ Programı tarafından desteklenen “Filling the Gap: Development of Ecological Planning and Design Learning Network and an Adaptive Smart Training Module for Disaster Resilient and Sustainable Cities” başlıklı EPD-Net Projesi kapsamında geliştirdiğimiz Nature-Based Intelligence yaklaşımı tam bu boşluğa yerleşmektedir. Güncellenen yapısıyla 13 ülkeden 33 partneri bir araya getiren bu uluslararası ağ, ekolojik planlama ve tasarım bilgisini afetlere dirençli ve sürdürülebilir kentler için yeniden yapılandırmayı hedeflemektedir.
Buradaki temel iddia şudur: Geleceğin planlama zekâsı, yalnızca daha büyük veri setlerinden doğmayacak. Daha doğru sorulardan doğacak. Bir yapay zekâya “bu alanda yapılaşma potansiyeli nedir?” diye sorarsanız, size eğim, ulaşım, mülkiyet, arazi değeri ve mevzuat üzerinden çok güçlü bir analiz üretebilir. Ama soruyu değiştirirseniz başka bir dünya açılır. Bu alan hangi su döngüsünün parçasıdır? Hangi canlıların geçiş hattıdır? Hangi mahalleye serinlik sağlar? Hangi taşkın hafızasını taşır? Hangi sosyal kırılganlığı büyütebilir? Hangi ekolojik ilişkiyi koparır?
Yapay zekânın doğayı anlayamamasının bir nedeni de bizim ona çoğu zaman yanlış sorular sormamızdır. Araç, sorunun ahlakını düzeltemez. Eğer planlama aklı doğayı hâlâ boş arsa, kaynak, engel ya da süs olarak görüyorsa, yapay zekâ da bu körlüğü büyütür. Çünkü model, beslendiği dünyanın varsayımlarını taşır. Yanlış kavramsal çerçeveyle eğitilen güçlü sistemler, zayıf düşünceyi ölçeklendirir.
Bu yüzden asıl dönüşüm algoritmada değil, epistemolojidedir. Yani neyi bilgi saydığımızda. Bir derenin bilgisi yalnızca debi değildir. Bir ağacın bilgisi yalnızca tür adı ve çapı değildir. Bir parkın bilgisi yalnızca alan büyüklüğü değildir. Bir mahallenin bilgisi yalnızca nüfus yoğunluğu değildir. Doğayı anlamak, veriyi ilişkiye çevirebilmektir. Belki de yapay zekânın henüz doğayı anlayamamasının en derin nedeni budur: Doğa cevap değildir. Doğa ilişkidir.
Bir cevap üretmek kolaydır. Bir ilişkiyi anlamak zordur. Bir görüntüyü sınıflandırmak kolaydır. Bir peyzajın hafızasını okumak zordur. Bir risk haritası üretmek kolaydır. Riskin neden ve kimler için üretildiğini anlamak zordur. Yapay zekâ bu zor alana girmeye başladığında gerçek anlamda ekolojik bir araç haline gelebilir. Bunun için daha fazla veriye ihtiyaç var, evet. Daha iyi modellere ihtiyaç var, evet. Açıklanabilirliğe, çok ölçekli modellemeye, yerel bilgiyle entegrasyona, uzun dönemli ekolojik gözlemlere ihtiyaç var. Ama bunların ötesinde bir şeye daha ihtiyaç var. Alçakgönüllülüğe.
Çünkü doğa yalnızca çözülmeyi bekleyen bir problem değildir. Aynı zamanda bizi sınayan bir öğretmendir. Yapay zekânın doğayı anlaması, onu bütünüyle kontrol etmesi anlamına gelmemelidir. Tam tersine, kontrol iddiasının sınırlarını daha iyi görmesi anlamına gelmelidir. İnsanlık uzun süre doğayı anlamadan dönüştürdü. Şimdi yapay zekâ çağında aynı hatayı daha hızlı yapma riskimiz var.
Bu yüzden soru “Yapay zekâ doğayı ne zaman tamamen anlayacak?” olmamalı. Daha doğru soru şudur: Yapay zekâyı, doğanın karmaşıklığı karşısında daha dikkatli, daha ilişkisel ve daha sorumlu kararlar almak için nasıl kullanacağız? Eğer bu soruyu sormazsak, elimizdeki araç ne kadar gelişirse gelişsin sonuç değişmez. Daha hızlı hesaplayan ama daha derin düşünmeyen bir uygarlık oluruz. Doğa yavaş konuşur. Veri gibi değil. Grafik gibi değil. Komut gibi değil.
Toprakta, suda, gölgede, yangından sonra çıkan sürgünde, kuruyan derede, göç eden kuşta, uyuyamayan şehirde konuşur. Yapay zekâ bu dili henüz bilmiyor. Belki de onu öğretmeye başlamadan önce bizim yeniden öğrenmemiz gerekiyor.