Büyük veri daha iyi veridir

Sürücüsüz arabalar sadece bir başlangıçtı. Büyük veri odaklı teknoloji ve tasarımın geleceği nedir? Heyecanlandırıcı bir bilim konuşmasında, Kenneth Cukier makine öğreniminin ve insan bilgisinin devamına odaklanıyor.

Amerika'nın en sevilen turtası nedir ?

İzleyici: Elmalı turta.
Kenneth Cukier: Elmalı turta. Tabii ki o.

Bunu nasıl biliyoruz?

Veri sayesinde.

Süpermarket satışlarına bakın.

Dondurulmuş, 30 santimlik
turtaların süpermarket satışlarına

bakın ve elmalı turta kazanır, şüphesiz.

En çok satılanlar elmalı turtalardır.

Fakat sonra süpermarketler daha küçük,

11 santimlik turtalar satmaya başladı

ve aniden elmalı turta dördüncü ya da
beşinciliğe düştü.

Neden? Ne oldu?

Tamam, bir düşünün.

30 santimlik bir turta aldığınızda

bütün aile hemfikir olmalı

ve elmalı turta herkesin
ikinci favori tercihidir.

(Gülüşmeler)

Ama 11 santimlik tek turta aldığınızda

istediğinizi alabilirsiniz.

İlk tercihinizi alabilirsiniz.

Daha fazla veriniz var.

Ondan daha küçük miktarlarda

sizde olunca daha önce

göremediğiniz bir şeyi görebilirsiniz.

Şimdi, buradaki anafikir ise
daha fazla veri

bizim sadece daha fazla görmemizi değil,

baktığımız şeyin daha fazlasını
görmemizi sağlar.

Daha fazla veri, yeniyi görmemizi sağlar.

Daha iyi görmemizi sağlar.

Farklı görmemizi sağlar.

Bu durumda da bize

Amerika'nın en sevdiği turtanın

elmalı turta olmadığını gösteriyor.

Şimdi, hepiniz büyük ihtimalle büyük veri
terimini duymuşsunuzdur.

Hatta, belki de büyük
veri terimini

duymaktan bıkmışsınızdır.

Terimin etrafında bir çok aldatıcı
olduğu doğru

ve bu çok talihsiz bir durum

çünkü büyük veri toplumun ilerleyeceği

çok önemli bir araçtır.

Geçmişte küçük verilere bakardık

ve dünyayı anlamaya
çalışmanın nasıl

bir şey olacağını düşünürdük

ve şu an daha fazlasına sahibiz,

daha önce sahip olabileceğimizden
de daha fazlasına.

Bulduğumuz şey ise, geniş bir veriye sahip

olduğumuzda küçük miktarlara
sahip olduğumuz

zaman yapamadığımız şeyleri
temel olarak yapabilmemizdir.

Büyük veri önemlidir ve büyük veri yenidir

ve bunun hakkında düşündüğünüzde

bu gezegenin küresel zorluklarını ---

insanları beslemek; sağlık hizmetini,
enerjisini,

elektriğini sağlamak ve
küresel ısınma yüzünden

onların yanıp kül olmadığından

emin olmak —

verinin verimli kullamıyla

üstesinden gelebileceği tek yoldur.

Peki büyük veri hakkında gelişmeler ne?
Önemli olan ne?

Peki, bu soruyu cevaplamak için

geçmişte fiziksel olarak

bilginin neye benzediğini düşünelim.

1908'de Girit Adası'nda

arkeologlar bir kil disk buldular.

Milattan önce 2000 tarihli olduğunu
söylediler, yani kil 4000 yaşında.

Diskin üzerinde yazılar var fakat

ne anlama geldiklerini bilmiyoruz.

Bu tamamen bir gizem, fakat önemli olan

bunun bize bilgilerin 4000 yıl
önce nasıl

göründüğünü göstermesidir.

Toplum, bu şekilde bilgiyi

kaydetmiş ve aktarmış.

Şu an toplum o kadar da fazla ilerlemedi.

Biz hâlâ bilgileri disklerin
üzerine kaydediyoruz

fakat şu an daha fazla
bilgi depolayabiliyoruz,

her zamankinden de fazla.

Arama daha kolaydır.
Kopyalama daha kolaydır.

Paylaşmak daha kolaydır.
İşlemek daha kolaydır.

Ve yapabildiğimiz şey ise bilgileri
ilk topladığımızda

hiç hayal etmediğimiz kullanımlar için

tekrar tekrar kullanabilmemizdir.

Bu açıdan, veri bir depodan

bir akıma, yani durağan

ve dengeli olan bir şeyden akışkan

ve hareketli olan bir şeye gitti.

İsterseniz, bilgide bir akıcılık var.

4000 yaşındaki Girit'te

keşfedilen disk ağır,

çok fazla bilgi depolamıyor

ve bu bilgi değiştirilemez.

Buna zıt olarak, Edward Snowden'ın

Birleşik Devletler'deki Ulusal Güvenlik

Ajansından aldığı bütün dosyalar

bir tırnak büyüklüğündeki

bir hafıza kartına sığıyor

ve ışık hızında paylaşılabiliyor.

Daha fazla veri. Daha fazla.

Bugün dünyada bunca veri
olmasının bir nedeni ise

daha önce üzerinde bilgi

biriktirdiğimiz şeyleri toplamamızdandır

ancak diğer bir sebep ise
daha önce bilgili

olduğumuz fakat öncesinde
hiç veri formatı

hâline getirilmememiş şeyleri almamız

ve onları verilerin içine koymamızdır.

Örneğin, yer mevzusunu düşünün.

Mesela Martin Luther'i ele alın.

Eğer Martin Luther'in yaşadığı

1500'lü yılları bilmek isteseydik

onu her zaman takip etmek
zorunda olacaktık,

belki bir kuş tüyü ve
mürekkep hokkası ile

onu kaydetmek zorunda olacaktık

ama şimdi bugün bu nasıl
görünür bir düşünün.

Bilirsiniz bir yerde, muhtemelen

telekomünikasyon
taşıyıcılarının veri tabanında,

bütün zaman nerede olduğunuza dair bilgi

kaydeden bir hesap çizelgesi veya

en azından bir veri tabanı girişi vardır.

Cep telefonunuz varsa

ve bu cep telefonunun GPS'i varsa
hatta GPS'i yoksa bile

bilginizi kaydedebilir.

Bu bakımdan konum verilendirilmiştir.

Şimdi düşünün, örneğin şu anki

hepinizin oturuş biçimini,

sizin oturuş biçiminizi,

sizin oturuş biçiminizi,
sizin oturuş biçiminizi.

Hepsi de farklı, sizin
bacak uzunluğunuzun,

sırt ve sırt konturünün fonksiyonudur

ve eğer herbirinizin sandalyesine belki

bütün sandalyelere toplamda

100 sensör koysaydım,
parmağınızın olmasa da

parmak iziniz gibi size özel bir
indeks yaratabilirdim.

Peki bununla ne yapabilirdik?

Tokyo'daki araştırmacılar bunu arabalarda

potansiyel hırsızlık önleme aracı
olarak kullanıyorlar.

Fikir şu ki; araba hırsızı
direksiyona geçer,

yola çıkmaya çalışır ama
araba direksiyonda

izinsiz bir sürücünün olduğunu tanımlar

ve belki de motor birden durur, tabii eğer

"Hey, kullanmak için yetkim var" diye

şifre yapmadıysanız. Harika.

Avrupa'daki her arabada bu teknoloji

olsa ne olurdu?

Ne yapabilirdik o zaman?

Belki, verileri kümelersek

belki belirtileri, en iyi öngörüyü

5 dakika içerinde bir araba kazasının

gerçekleşebileceğini tanımlayabiliriz.

Ve daha sonra verileştireceğimiz ise

sürücü yorgunluğudur

ve servis otomatik olarak bilir,

kişi birden o pozisyona düştüğünde araba

bunu algılayarak direksiyonu titretecek

içeride korna çalacak ve

"Hey, Uyan ve daha dikkatli ol. "

diyecek bir iç alarm kurar.

Yaşamımızın diğer yönlerini

verileştirirken yapabileceğimiz
şeylerdendir bunlar.

Peki büyük verinin değeri nedir?

Peki, bir düşünün.

Daha fazla bilginiz var.

Önceden yapamadığınız
şeyleri yapabilirsiniz.

Bu konseptin yer aldığı

en etkileyici alanlardan bir tanesi

ise makine öğrenmesi.

Makine öğrenmesi yapay zekânın bir dalıdır

ki o da bilgisayar biliminin bir dalıdır.

Genel fikir ise, bir bilgisayarı

yapacağı şey için talimat vermek yerine

adeta verileri probleme yönelteceğiz ve

bilgisayara yolunu bulmasını söyleyeceğiz.

Ve temelini görerek

anlamanıza yardımcı olacaktır.

1950 'lerde, IBM'de Arthur Samuel

adında bir bilgisayar
bilimci dama oynamayı seviyordu

ve bilgisayara karşı

oynayabilmek için bir program yazdı.

Oynadı. Kazandı.

Oynadı. Kazandı.

Oynadı. Kazandı.

Çünkü bilgisayar sadece
geçerli hamlenin

ne olduğunu biliyordu.

Arthur Samuel başka bir şey biliyordu.

Arthur Samuel strateji biliyordu.

Bu yüzden yanına ufak
bir alt-program yazdı

arkaplanda işyelen ve tüm yaptığı

verilen bir dama tahta düzeninin

olası kazanan ya da kaybeden taraf

olma ihtimalini tutmasıydı

her hamle sonrası.

Bilgisayarla oynar. Kazanır.

Bilgisayarla oynar. Kazanır.

Bilgisayarla oynar. Kazanır.

Ve daha sonra Arthur Samuel bilgisayarı

kendi kendine oynamaya bırakır.

Kendi kendine oynar,
daha fazla veri toplar.

Daha çok veri toplar.
Tahminlerinin doğruluk oranını yükseltir.

Sonra Arthur Samuel yine
bilgisayarın başına geçer

oynar ve kaybeder,

oynar ve kaybeder,

oynar ve kaybeder

ve Arthur Samuel kendi
öğrettiği bir işte,

kendi becerilerini aşan
bir makine yaratmıştır.

Ve bu makine öğrenimi fikri

her yerde kullanılıyor.

Kendi kendini süren arabaları
nasıl yapıyoruz zannediyorsunuz ?

İnsanlık olarak bir yolun tüm kurallarını

bir yazılıma yüklemekten
daha iyisini yapabiliyor muyuz ?

Hayır. Bellek daha ucuz. Hayır.

Algoritmalar daha hızlı. Hayır.
İşlemciler daha iyi. Hayır.

Bunların hepsi önemli,
fakat asıl mesele bunlar değil.

Asıl mesele, bizim sorunun doğasını
değiştirmiş olmamızdır.

Sorunun doğasını açık şekilde

bizim bilgisayara arabayı nasıl

süreceğini anlattığımız noktadan,

"İşte, aracın etrafında
bir sürü veri var.

Sen bunları çözersin.

Sen onun bir trafik
ışığı olduğunu anlarsın,

bu trafik ışığı kırmızı, yeşil değil

ve bu durman gerektiği

ileriye gitmemen gerektiği
anlamına gelir."

noktasına değiştirdik.

Makine öğrenimi temelinde

bizim internette yaptığımız
çoğu şey vardır:

arama motorları,

Amazon'un kişiselleştirme algoritması,

bilgisayar çevirisi,

ses tanıma sistemleri.

Araştırmacılar yakın zamanda

biopsi ve kanserli biopsi sorusu

ile ilgilenmeye başladılar

ve bilgisayardan verilere ve hayatta kalma

oranlarına bakarak
hücrelerin aslında

kanserli olup olmadığına

karar vermesini istediler ve

bilgisayara makine öğrenimi algoritması

aracılığıyla bir veri verdiğinizde

makine göğüs kanseri hücre

biopsilerininden en iyi 12 tane

gerçekten de kanserli hücre belirtisini

bulmayı başardı.

Sorun şu: Sağlık literatürü

bunların sadece 9 tanesini biliyordu.

Belirtilerden üçü, onların

araştırma ihtiyacı duymadıklarıydı

fakat bilgisayar bunları buldu.

Şimdi, büyük verinin karanlık
tarafları da var.

Hayatlarımızı kolaylaştıracak fakat

farkına varmamız gereken sorunlar da var

ve ilki de

tahminler yüzünden cezalandırılabiliriz,

polis büyük veriyi kendi amaçları
için kullanabilir,

"Azınlık Raporu"' ndaki gibi.

Öngörüsel polislik adı
verilen bir terim var

veya algoritmik suçbilim olarak

olay şu, bir sürü veri toplarsak

meselâ geçmiş suçlar nerede
gerçekleşti gibi

devriyeleri nereye
göndereceğimizi de biliriz.

Mantıklı duruyor fakat,
sorun şu ki

bu öyle konum bilgisiyle bitmeyecek

bu kişisel sınırlara kadar inecektir.

Neden birinin lisedeki
not dökümünü

veri olarak kullanmıyoruz ?

Belki de, işsiz olsalar da olmasalar da

kredi notlarını,

internette gezinme davranışlarını,

gece ayakta olup
olmadıklarını kullanmalıyız.

Fitbit'leri, biyokimyalarını
tanımlayabildiğinde

agresif fikirleri
olduğunu bize gösterecek.

Ne yapacağımızı tahmin edebilecek

algoritmalara sahip olabiliriz

hatta harekete geçmeden önce

sorumlu bile tutulabiliriz.

Mahremiyet, küçük veri devrinde

esas zorlu işimiz idi.

Büyük veri devrinde ise

zorlu iş hür iradeyi,

ahlaki seçimleri, insani istekleri ve

insanın benliğini korumak olacak.

Başka bir sorun daha var:

Büyük veri mesleklerimizi
elimizden alacak.

Büyük veri ve algoritmalar birlikte

ofis çalışanlarına, 21. yüzyıldaki
mesleki becerilere

meydan okuyacak

sanayi devriminin 20. yy'da
otomasyon ve seri üretim hattı ile

mavi yakalı işçilere yaptığı gibi.

Bir laboratuar teknisyeni düşünün

bir mikroskopla kanser biopsisine bakıyor

ve kanserli olup olmadığına
karar veriyor.

Bu kişi üniversiteye gitti.

Bu kişi mülk ediniyor.

Oy kullanıyor.

Toplumda paydaş bir kimse.

Ve bu kişinin işi

ve diğer onun gibi

profesyoneller filosunun

mesleklerinin tamamiyle

başka bir şeye dönüştüğünü

ya da artık yok olduğunu görecekler.

Biz kısa ve geçici bir

alt üst olmadan sonra

teknolojinin bizlere yeni
meslekler

yaratacağını düşünmeyi seviyoruz

ve bu hakikaten doğru,
hepimizin yaşadığı

önümüzdeki endüstri
devrimi örneğine bakınca

çünkü gerçekte olan tam olarak bu.

Fakat bu tahlilde bir şeyi unutuyoruz:

Bazı meslek grupları var

öylece yok olan ve

bir daha geri gelmeyecek olan.

Endüstri Devrimi pek iyi olmazdı

eğer bir at olsaydınız.

Yani dikkatli olmamız gerekiyor

büyük veriyi ele alıp ihtiyaçlarımıza

göre şekillendirmemiz gerekiyor

tümüyle insani ihtiyaçlarımıza göre.

Bu teknolojinin ustası olmamız gerekiyor,

hizmetçisi değil.

Daha henüz büyük
veri devrinin başındayız

ve doğrusu, toplayabildiğimiz

veri ile başa çıkmak
konusunda pek iyi değiliz.

Bu sadece
Ulusal Güvenlik Teşkilatı

için bir sorun değil.

İşletmeler oldukça veri topluyorlar

ve bunu suistimal de ediyorlar

ve bu konuda daha iyi
olmamız gerekiyor,

tabii ki bu da zaman alacak.

Bu biraz zorlu bir iş,

ilkel insanın ateşle karşılaşması gibi.

Bu bir araç fakat dikkatli olmazsak

bizi yakabilecek bir araç.

Büyük veri yaşayış
şeklimizi değiştirecek,

çalışma şeklimizi
ve düşünme şeklimizi de.

Kariyerimizi yönetmemize
yardımcı olacak

hayatlarımıza tatmin
ve umut getirecek,

mutluluk ve sağlık getirecek

fakat geçmişte sıkça

bilgi teknolojilerine baktık ve

gözlerimiz yalnızca
teknolojinin -T' sini gördü

teknoloji, donanım

çünkü fiziksel olanlar onlardı.

Şimdi gözlerimizi daha az

meydanda olan
bilginin -B' sine

çevirmemiz gerekiyor

ki bazı açılardan
çok daha önemlidir kendisi.

İnsanlık en sonunda toplayabileceğimiz

bilgiden bir şeyler öğrenebilir,

bu dünyayı ve içindeki yerimizi

anlamamızı sağlayacak olan

ebedi görevimizin bir parçası olarak

ve bu sebeple büyük veri
büyük bir meseledir.

(Alkışlar)