Bilgi iktisadında son trendler

Veri iktisadında son trendler
Veri kolektifleri tertibi, yapay zeka, blokzincir üzere uygulamalar son periyotta data iktisadında öne çıkan mevzular ortasında yer alıyor.

Küresel iktisatta bilgi üretimi yükseldikçe bu bahse ait birçok trend, tartışma alanı da ortaya çıkıyor.

HPE Türkiye, Kazakistan, Kırgızistan, Doğu-Güney Avrupa, Hazar ve Orta Asya Bölgesi Genel Müdürü Güngör Kaymak bahse ait değerlendirmesinde “Geleceğimize dair en değerli sorulardan birini, bu doyumsuz bilgi talebini mahremiyet, özgürlük ve egemenlik üzere bedellerle nasıl bağdaştıracağımız oluşturuyor” sözlerini kullandı.

Kaymak bilgi ekonomisindeki son gelişmeleri, trendleri şöyle tahlil etti:

“Massachusetts Teknoloji Enstitüsü Profesörü Alex Pentland bilgi iktisadının mevcut durumunun geçmiş sanayi devrimlerinde yaşananları tekrarladığını sav ediyor.

Pentland’a nazaran üretim araçları birkaç şirketin elinde toplanıyor ve çoğunluk üretilen varlıktan adil bir hisse alabilmek için bir ortaya geliyor.

Pentland, bu türlü bir birlikteliğin günümüze en uygun biçimini ‘veri kooperatifi’ formunda tanımlıyor. Buna nazaran bireyler ve kurumlar, doruktaki büyük monopollere karşı bir güç oluşturmak için kendi haklarını savunan heyetlerin kontrolüne tabi olacak halde datalarını paylaşıyor.

Bu fikir hâlihazırda bir dizi paydaş tarafından destekleniyor. Örneğin itimada dayalı model, Avrupa Bilgi Yönetişimi Maddesi’nde (European Veri Governance Act) merkezi bir rol oynuyor.

Ayrıca Memleketler arası Bilgi Alanları Birliği (International Veri Spaces Association) ve Gaia-X üzere kuruluşlar, şirketlerin merkezi bir platform kullanmak zorunda kalmadan datalarını paylaşabilecekleri ortamlar için standartlar geliştiriyor.

Veri kolektifleri organizasyonu

Kredi kooperatifleri, bu çeşit birliklerin başarılı olabileceğinin bir göstergesi olarak görünüyor. Lakin datalar için bu türlü bir model oluşturmak çok daha güç. Para özelinde bu işi yapmak kolay, zira para yaygın ve standartları aşikâr bir ortam sunuyor. Bilgi ise spesifik, karmaşık ve heterojen bir yapıya sahip.

Bu durum, sadece bilgilerin sağlam bir biçimde paylaşılmasına müsaade verecek yeni teknik standartların geliştirilmesini gerektirmekle kalmıyor.

Böyle bir kooperatifin hangi datanın kimlerle ve hangi gayelerle paylaşılacağını tanımlayan, karmaşık bir kurallar dizisi üzerinde muahedeye varması lazım.

Üyelerin çıkarları birbirinden ne kadar farklı olursa, bu süreç o kadar uzun ve karmaşık oluyor.

Yine de data alışverişi gerektirmese de bilgiye dair en yüksek randımanı sağlayacak alternatif bir iş birliği biçimi sunabilen, sürü (swarm) modeline dayalı bir teknik mevcut.

Sürü halinde öğrenen yapay zekâ

Sürüler merkezi bir uyuma muhtaçlık duymadan, kolay prosedürler eşliğinde çalışıyor. Bununla birlikte hiyerarşik tertipler kadar, hatta onlardan daha tesirli olabiliyor.

Sürü unsuru hayvanlar dünyasında aşina olunan bir durumdu, yazılım geliştirme yahut wikilerin oluşturulması üzere beşere mahsus alanlarda da başarılı olduğu görüldü.

Bu yaklaşım son vakitlerde data bilimi ve yapay zekâ (AI) alanında da uygulanıyor. Sistem şöyle çalışıyor: Bir küme kuruluş, belli bir vazife için bir yapay zekâ modelini ortaklaşa eğitmeye karar veriyor. Birinci olarak her bir kuruluş bunu kendilerine sunulan datalarla yapıyor. Daha sonra datanın kendisi değil, datalardan öğrenilenler bir ortaya getiriliyor. Bu geliştirilmiş model kümenin tüm üyeleri tarafından kullanılabiliyor.

Örneğin, hekimler ve sıhhat profesyonelleri, hastalıkları X-ray manzaraları, kan pahaları yahut genom dizilerine dayalı olarak teşhis etmek için yapay zekâyı kullanıyor. Fakat kişisel enstitülerin birden fazla kabul edilebilecek düzeyde bir yapay zekâyı eğitmek için kâfi hasta verisine sahip değil. Data muhafazaya dair kurallar nedeniyle bu cins bilgileri öteki enstitülerle paylaşmak ise çoklukla güç yahut imkânsız.

Buna misal sıkıntılar sürü tahsiliyle çözülebiliyor. Üstelik bu yolla eğitilen yapay zekâ örneklerinin merkezi yapay zekâ eğitimine kıyasla daha uygun sonuçlar elde ettiği de kanıtlanmış durumda.

Veride blokzincir

Sürü öğrenmede yalnızca öğrenme değil, tıpkı vakitte öğrenilenlerin bir ortaya getirilmesi de merkezi olmayan bir biçimde gerçekleşiyor. Bu vazifesi üstlenmek üzere her eğitim çeşidinde blok zinciri ve akıllı mukaveleler tarafından yeni bir küme üyesi seçiliyor. Bu demokratik prosedür, gücün muhakkak bir kesitin elinde toplanmasını önlüyor.

Bu nedenle sürü tahsili sadece mevcut düzenlemeler nedeniyle dataların paylaşılamadığı durumlar için değil, rekabet nedeniyle şirketlerin data alışverişi yapmak istemediği durumlar için de uygun.

Sürü öğrenme ayrıyeten data kümelerinin çok büyük olduğu, bu sebeple nizamlı transferin çok maliyetli yahut yavaş olacağı durumlarda da avantaj sağlıyor.

Sürü tahsili, data bilimi ve dijital egemenliğin maksatları bir ortada gerçekleştirilebilir mi sorusuna kuşkusuz bir formda olumlu yanıt veriyor.

Tabii tüm data uygulamaları yapay zekâ uygulamaları olacak diye bir kural yok. Birçok durumda gaye sırf yakındaki araçlara buzlanma uyarısı göndermek üzere hakikat vakitte yanlışsız yere bilgi aktarma probleminden ibaret. Bu cins kullanım durumları ekseriyetle şirketler ortasında bilgi alışverişini gerektiriyor, bu da bilgi iş birliklerini ve bilgi alanlarını tanımlamayı gerekli kılıyor.

Dahası, rastgele bir data biçiminin yahut yapay zekâ kooperatifinin muvaffakiyetinin, üyelerinin yeteneklerine bağlı olduğu unutulmamalı. Bu durumda, üyelerin diğerlerine faydalı hale getirmek için kendi datalarını denetim etmeleri gerekir. Bilgi kurumun paha zincirinde itici güç olmadıkça, kooperatifin bilgilerinden de faydalanamayacaktır.

Çoğu şirket ve kamu kurumu hâlâ bu düzeyden çok uzak ve ulaşmaları da oldukça sıkıntı görünüyor. Lakin birçok kişi bu yola girer ve güçlerini birleştirirse, data iktisadının vaadini yerine getirirken her bir kişisel tertibin egemenliği de güçlendirilebilir.