Hayal Gücü ve Umut Beslemenin Bilimdeki Yeri Nedir?

Nasıl öğreniyoruz? Öğrenmeyi öğrenmek kolay değildir ancak ödüllerin potansiyel olarak muazzam olması cevapları bulmaya değer kılmaktadır. Sorgulamaya başlamanın bir yolu da insan dışındaki örneklerdir; biyoloji ve teknoloji bize öğrenme hakkında öğretir.
 

Doğa Nasıl Öğrenir?

Dünyanın en etkileyici öğrenme örneği etrafımızdadır yani yaşadığımız çevredir. Yaşayan organizmalar; büyümek, kendilerini onarmak ve kendi başarılarını tekrarlayan yavrular üretmek için karmaşık bir ortamda enerji ve bilgiyi nasıl toplayacağını "öğrenir"ler. Biyolojik evrimin öğrenme stratejisi, biyosferdeki organizmaları sofistikeleştiren doğal seçilimdir.

Darwin'in açıkladığı gibi doğal seleksiyonun iki temel bileşeni vardır; türlerin kendi özelliklerini yavrularına aktarırken oluşan modifikasyonlar ve varoluş mücadelesi olarak adlandırdığı şeydir. Fikir, organizmaların kendine benzeyen yavrular ürettikleri ama kendileri ile özdeş olmadıklarıdır; bu, "en uygun" yavruların yani yaşam koşullarına en iyi uyum sağlayanların çoğalma olasılıklarının daha yüksek olduğunu gösterir. Zamanla, birbirini takip eden nesiller daha iyi uyum sağlarlar.

Uygunluğun tanımı dolambaçlıdır fakat boş değildir. En uygun organizmalar, tanımı gereği soylarını üretmekte başarılı olanlardır. Bu anlamda uygunluğu arttırmak, kendi içinde karmaşıklığı ya da kapsamlılığı arttırmak anlamına gelmez. Örneğin, basit bakterilerin sayısı hala son derece fazladır! Ancak evrimsel tarih, karmaşıklığın ve kapsamlılığın artmasının uygunluk için önemli bir yol olduğunu göstermektedir.

Darwin’den bu yana günümüze kadar türlerin kendi özelliklerini yavrularına aktarırken oluşan değişikliklere dair çok şey öğrenildi. Ebeveynler, çocuklarını oluşturmak için DNA molekülleri formunda bir dizi kodlanmış talimat verir. Kod, DNA’nın uzun sıralı Ar, Cs, Gs ve Ts ardışık olarak görülebilen nükleotid dizisinde cisimleşmiştir.

Doğal seçilimin öğrenme şeması, mekanizmalı öğrenme için verimli bir model olmuştur. "Genetik algoritmalar" en iyi örneklerdir. Bir hedefe ulaşan programları bulmak için işleyen bir program popülasyonu yaratılır; her biri "genom"ları tarafından belirtilen farklı özelliklere sahiptir. Daha sonra programlar çalıştırılır ve sonuçlar karşılaştırılır. En başarısız olanlar atılır, en başarılı olanlar ise genomları birbirinden farklı olabilen torunlar bırakırlar. Bu döngü birçok kez tekrarlanabilir. Doğrudan tasarlanması çok zor olan etkileyici programlar, bu şekilde yapay "evrim" yoluyla yaratılır.

Genetik algoritmaların tasarımının birçok seçenek içerdiğini vurgulamak önemlidir. Ana programın tasarımı (genomu kullanan) yani ilk “gen” kümesi; yok etme, çoğaltma ve mutasyon kuralları ve en önemlisi "başarı" olarak adlandırılan şeydir.
 

Diğer Başarı Öyküleri

Darwin’in doğal seleksiyonundan önce, Jean-Baptiste Lamarck tarafından farklı bir evrim teorisi ileri sürülmüştür. Lamarck’a göre, “Türlerin kendi özelliklerini yavrularına aktarırken oluşan modifikasyonlar”daki "modifikasyonlar" ebeveynlerin yaşam deneyimlerinden kaynaklanmaktadır. Örneğin Lamarck, zürafaların uzun boyunlu olmasının sebebini onların uzun ağaçların yapraklarını yemek için uzanması ile nesiller boyunca değişerek oluştuğunu söyler.

Biyolojik evrim teorisi olarak, Lamarck'ın fikri Darwin tarafından ele geçirilmişti. Fakat onun ruhu yaşıyor; makine öğrenimi için önemli bir strateji olarak hayatta kalmaktadır.

Takviyeli öğrenme, genetik algoritmalarda olduğu gibi bir iskelet ana programına ve fonksiyonel programların oluşturulması için alternatif yollarla yapılan deneylere sahiptir. Ya da daha arkadaşça bir kelime seçmek gerekirse; "planlar".

Planlar, mevcut seçenekler arasında bir dizi seçim yapmak için gerekli reçetelerdir. İşler başarılı bir şekilde sonuçlandığında ya da sonuçlanmadığında hangi seçeneğin sorumlu olduğunu söylemek zorunda kalmayız. Takviyeli öğrenmede, başarılı sonuçlardaki görünümlerine göre mevcut seçenekler arasından seçim yapma olasılıklarında artan değişiklikler yaparız.

Daha basit bir ifadeyle, takviyeli öğrenmenin temel fikri birçok planı karşılaştırmak ve başarıya ortak olan alt planları oluşturarak ince ayar yapmaktır. Bu nedenle takviyeli öğrenme, bir çeşit Lamarckian evrimdir.

Takviyeli öğrenmenin tipik uygulamaları, robotların verimli bir şekilde hareket etmesine yardımcı olmayı içerir ve bilgisayar oyunlarının iyi oynanması için yardım eder. Takviyeli öğrenme AlphaGo’nun merkeziydi; AI programı 2016 yılında, Go şampiyonu Lee Sedol’u 4-1 mağlup etti. İyi bir Go oyunu, şablonları tanımayı ve uzun vadeli düşünmeyi gerektirir. Bilgisayar bilimcileri bu "sezgisel" yetenekleri programlamakta zorlanırlar. AlphaGo kendisine karşı birçok oyun oynayarak mükemmellik seviyelerine ulaşmıştır ve takviyeli öğrenmeyi kullanarak stratejilerini deneyim yoluyla hala geliştiriyor.

Son yıllarda, diğer birçok oyun (Jeopardy ve poker de dahil) makine öğrenme tarafından "fethedildi"; dünyanın en iyi oyuncuları bilgisayar programlarıdır.

Dama ve satrancı ele geçiren programlar, bizim bildiğimiz yaklaşımın daha basit bir yolunu izliyor; bir hamle yapmadan önce birçok olasılık düşünüp sonuçları değerlendiriyor ve en başarılı olanı seçiyor. Elbette, en iyi programlar bu rehber stratejiye birçok teknik ve düzenleme katıyor. Bunlar insan zekasının harikalarıdır! Fakat bireysel hareketler arasındaki şiddetli "varoluş mücadelesi"nde sadece bir kurtulan vardır ve bu kurtulan arkasında hiçbir şey bırakmaz. Tüm süreç bir sonraki hamlede sıfırdan başlar. Daha fazla evrimsel fikirleri birleştirerek daha güçlü satranç programlarının geliştirilebilmesi oldukça olasıdır.
 

Hayal Gücü ve Oyun

İnsan dışı öğrenmedeki bu muhteşem başarı öyküleri, insani öğrenme hakkında bize ne öğretir? Belki de ironik olarak, bu özünde insan karakteristiğinin değeridir yani hayal gücü.

İlk başta bu sonuç garip gelebilir. Genlerin mi yoksa bilgisayarların mı gerçekten hayal gücü vardır? Ancak, daha derin bir yansımayla bunu zorlayıcı bulacağınızı düşünüyorum. Tartıştığımız tüm yaklaşımlar özünde birçok alternatif olanak taşır ve hayal gücünün ne olup olmadığını düşünmek ya da ne olabileceğini düşünmek…

Birçok fizikçi de dahil olmak üzere yaratıcı insanlar, işlerinde hayal gücüne değer verirler. En ünlü alıntılarından birinde Albert Einstein şöyle der:

"Hayal gücü bilgiden daha önemlidir. Çünkü bilgi sınırlıyken, hayal gücü tüm dünyayı kapsar."

Büyük kuantum fizikçisi Paul Dirac, epokhal keşiflerini nasıl yaptığı sorulduğunda şöyle cevap verir:

"Denklemlerle oynamaktan hoşlanıyorum, belki de hiçbir fiziksel bir anlamı olmayan güzel matematiksel ilişkiler arıyorum. Bazen işe yarıyor."

Ve Richard Feynman şöyle diyor:

"Oynadığım oyun çok ilginç; hayal gücü, sıkı bir deli gömleğinin içinde."

Feynman, eğer amacımız fiziksel gerçeklik hakkında yeni şeyler keşfetmekse yüzyıllardır süren araştırmalarda birikmiş bilinen gerçeklere saygı duymanız gerektiğini açıklamaya devam ediyor.

Bilimsel hayal gücünün belki de en etkileyici referansı, elektromanyetizmanın önde gelen kuramcısı James Clerk Maxwell'in Michael Faraday'a olan övgüsünden geliyor. Kendi kendine öğrenen Faraday, görsel hayal gücüne güvenmek zorundaydı, çünkü onun matematik eğitimi kabataslaktı. Bu durum, Maxwell’in de belirttiği gibi, onu yeni düşünce tarzlarına yönlendirdi. Maxwell şöyle açıklıyor:

Matematikçiler uzakta bir yerlere çekilen güç merkezlerini görürken; Faraday, tüm alanları çaprazlayan kuvvet çizgileri görmüştü. Faraday'ın 'medium'u gördüğü yerde onlar mesafeden başka bir şey görmediler; Faraday, 'medium'da devam eden gerçek eylemler fenomenini gördü.

Daha sonra Maxwell, Faraday’ın yaratıcı hayallerini bugün hala kullandığımız muhteşem yeni denklemlere dönüştürdü.
 

Hayal Gücünü Geliştirmek

Hayal gücünün değerini problem çözme aracı olarak gördükten sonra nasıl geliştirebiliriz acaba?

Çocuklar özgürce oynarken kendiliğinden olağanüstü bir şekilde hayal güçlerini kullanırlar. Dolayısıyla, umut verici bir fikir problem çözme konusunda eğlenceli bir yaklaşımı teşvik etmektir. İnsanlar bundan zevk almaya yatkındır. Havaalanları veya süpermarketlerdeki popüler dergilerin rafları buna tanıktır; genellikle kelime bulmaca koleksiyonlarını (örneğin; kelime bulmaca ve akrostişler), matematik bulmacalarını (örneğin; sudoku ve KenKen) ve mantıksal bulmacaları içerir ve bazıları oldukça zordur.

Gençlere uygun, hayal güçlerini genişletecek kaynakları içeren harika örneklerinden bahsetmek istiyorum. Bunların her biri kişisel olarak bana çok şey ifade ediyor. Edwin Abbott’un Flatland’i hayatı farklı boyutlarda araştıran ve zihinleri geliştiren bir romandır. Robert Forward’ın Dragon’s Egg‘i nükleer fizikle ilgilidir ve bir nötron yıldızında doğan hayatı hayal eder; zihin geliştirici ve eğlencelidir. George Gamow’un Bay Tompkins’i bir tür bilimsel Gulliver’dir; resimli romanlar Mr. Tompkins'in Wonderland ve Mr. Tompkins Explores The Atom; kendisini özel göreliliğin etkilerinin devreye girdiği ve çok hızlı hareket ettiğini bir oyunda bulur ya da diğer maceralarda kuantum teorisiyle atomik boyutlara küçülür ve Ray Smullyan çeşitli esprili bulmacalar yazmıştır; Forever Undecided’da esprili bir anlatım yolu izlerken oldukça derinlere de değinir (örneğin, Gödel’in eksiklik teoremleri). Özellikle onun retro satranç bulmacalarını seviyorum; The Chess Mysteries of Sherlock Holmes ve The Chess Mysteries of The Arabian Knights. Görsel hayal ve mantıksal akıl yürütmedeki bu zorlu problemler, biraz egzotik karakterler ve durumlar bağlamında bu klasik konseptlerde ortaya çıkmıştır.

Her seviyedeki okullar, bunun gibi ve diğer hayal gücünü genişleten kaynakları (Sim City, Civilization ve Minecraft gibi bilgisayar oyunları dahil olmak üzere) sahip olsa iyi olur.
 

Umutlu Düşünme

Hayal gücü hikayenin sadece yarısıdır. Yukarıda belirtilen problem çözme stratejilerinin her birinde; hayal etme olasılıkları, başarılarını değerlendirmek için bir yöntemle barışık olmalıdır.

Nihai amaç (bulmacayı kazanmak veya çözmek gibi) oyunlarda genellikle açıkça belirtilir. Ancak ilginç oyunlarda, bu hedefe doğrudan doğruya giden bir yol görmek mümkün değildir. İlerlemek için daha sınırlı, izlenebilir, orta hedefler oluşturmalı ve bunları hedeflemelisiniz. Başka bir deyişle, ne dilediğinize karar vermeniz gerekir.

Bu anlamda umutlu düşünme, problem çözmenin önemli bir parçasıdır. Bu, oyunların kapsamı dışında hareket ettiğimizde, kurallar konulmadığında mutlak başarının tanımını sağlar.

O halde ister makine ister insan için olsun, başarıya yönelik önemli bir adımın sistematik umutlu düşünceyi geliştirmesi çok mantıklıdır. Yeni yıl kararları, iş planları ve vizyoner "yapılacaklar" listeleri bu stratejiyi somutlaştırır.
 

Nihai Hedefler

Hedefler konusu, en yüksek düzeyde öğrenme ve problem çözme seviyesinde yoğun olarak ortaya çıkar.

Bilimsel bir atılım yapmak, bir roman yazmak, bir senfoni oluşturmak ya da başka bir sanat eseri yaratmaya çalışmak zor ve sinir bozucu bir iş olabilir. Başarı garanti edilmez ve maddi ödüller genellikle mütevazıdır. İnsanları bu işlere devam ettiren nedir?

Bazı motivasyonlar ortadır. Başarılı problem çözme sürecine eşlik eden dopamin kendi ödülü olabilir. Ve başarılı bir problem çözümü başkalarının saygısını duymayı sağlayabilir; bu insanların ödüllendirici bulduğu bir şeydir. Ama bu hikayenin tümü değil.

En büyük fizikçilerin çoğu için din büyük bir motiveydi. Galileo, Newton, Faraday ve Maxwell tamamen Ortodoks olmasalar da derinden inanıyorlardı. Ekonomist John Maynard Keynes, ünlü kitabı Newton, The Man'de Isaac Newton‘u şöyle anlatıyor:

Newton, bütün evrene ve içindeki her şeye bir bilmeceymiş gibi baktı. Saf düşünceyle okunabilecek kanıtlara bir sırmış gibi ve Tanrı'nın filozofu bu gizli kardeşlik hazine avına izin vereceği belirli mistik ipuçlarıymış gibi baktı. Newton, bu ipuçlarının kanıt olarak kısmen cennette ve elementlerin bünyesinde bulunacağına inanıyordu (onun deneysel bir doğa filozofu olduğuna dair yanlış önerilerde bulunulmasının sebebi budur) fakat kısmen de olsa Babil’deki orijinal şifreli açığa çıkarılmamış, bir zincirle teslim edilen kağıtlarda olduğuna inanıyordu.

Ve işte yine Maxwell, keşiflerini sevindiriyor:

Artık gezegenler arası ve yıldızlararası bölgeler evrendeki atık yerler olarak görülmeyecek. Yaradan, krallığını türlü türlü sembollerle doldurmaya uygun görmedi. Oraları bu harika 'medium'la dolu bulmalıyız; o kadar dolu ki, hiçbir insan gücü bu alandan küçücük bir kısım bile çıkaramaz ya da sonsuz devamlılığı içinde en ufak bir kusur yaratamaz.

Stephen Hawking'in ortaya koyduğu "Tanrı'nın aklını okumak" gibi bilim insanları bu konuda kararlıydı. Bu onlara çok sıkı çalışmaları için ilham kaynağı oldu.

Albert Einstein, herhangi bir geleneksel anlamda dini inançları olmasa da bir tutku tarafından yönlendirildiğimizi düşünüyordu. Otobiyografik notlarında, babasının ona bir pusula gösterdiğinde çocukluğunda nasıl büyülendiğini anlatır:

Bu deneyim benim üzerinde derin ve kalıcı bir etki yarattı. Bu gibi şeylerin arkasında çok gizli bir şeyler olmak zorundaydı.

Başka bir yerde, genel görelilik teorisine ulaşmak için mücadelesini harekete geçirdiğini yazar:

"Gerçeğe ulaşmak için karanlıkta harcanan yıllar; bu hissedilir ama ifade edilemez. Birisi bunu aydınlığa kavuşturuncaya kadar hissedilen yoğun bir arzu, kuşku ve güvensizlik."

Artık inanmama rağmen, Roma Katolikliği eğitimini aldığım için minnettarım; bana dünyanın görkemli ve gizli bir anlamı olduğunu görmeyi öğretti. Bu vizyon, alışkanlık haline gelen fiziksel dünyadaki ihtişam ve anlam arayışına ilham vermemde yardımcı oldu.

Son olarak, neyin umut edileceğine karar verirken güzelliği hissetmek paha biçilmez bir varlıktır. Güzel nesnelere ve seslere (sanat ve müzik) maruz kalırken güzel fikirler de bu anlamda gelişebilir.
 

Tartışma Soruları

Hayal gücü ve umutlu düşünceye ek olarak, öğrenmeye ve bilhassa bilimsel öğrenmeye yardımcı olabilecek başka düşünce alışkanlıkları var mı?

Burada bahsi geçenlerin ötesinde, hayali oyunu teşvik edebilecek başka kitaplar veya oyunlar var mı?

Bilgisayar programlarının öğrenmeyi düşünmek için model olarak kullanılmasında herhangi bir sınırlama var mı?

Kaynakça: bigquestionsonline

Yazar: Frank Wilczek

Çevirmen: Meltem Çetin Sever