FIL Spotlight #8

Her pazartesi, bir FIL Fellow’un perspektifi spotlight’ta. ✨

FIL Spotlight serimizde; inovasyon, liderlik, girişimcilik, teknoloji ve dönüşüm odağındaki gerçek deneyimleri, fikirleri ve bakış açılarını doğrudan Fellowlarımızdan okuyoruz.

Spotlight'ın sekizinci sayısında konuğumuz 2024 dönemi Fellowlarından Fatih Bildirici PhDc. Keyifli okumalar!

İnovasyon ve Yapay Zeka Tiyatrosundan Gerçeklere

Selam! Ben Fatih. Bir yapay zeka araştırmacısıyım; doktora çalışmalarımda açıklanabilirlik, yüksek lisans tezimde insan bilişi üzerine çalışıyorum. Uzun zamandır hem akademik dünyada hem de sahada, algoritmalarla nasıl etkileştiğimizi, bu etkileşimin yeni değerleri nasıl ürettiğini ve bu üretimin neden bazı coğrafyalarda kalıcı sistemlere dönüşürken bazılarında sabun köpüğü gibi söndüğünü düşünüyorum.

Bugün nereye baksak aynı iki kelime havada uçuşuyor: inovasyon ve yapay zeka. Ancak bu iki kavram, özellikle ülkemizde, biraz da küresel ekosistemde, çoğu zaman altı boşaltılmış pazarlama sloganlarına dönüşmüş durumda. Yıllarca şirketlerde renkli post-it’ler, tasarım odaklı düşünme atölyeleri ve bitmek bilmeyen hackathon’larla Steve Blank’in deyimiyle “inovasyon tiyatrosu” izledik. Bugün ise aynı tiyatronun yeni perdesi sahnede: yapay zeka tiyatrosu.

Sistemin arka planında ne döndüğüne dair en ufak bir mühendislik ya da bilimsel merak duymadan, hazır bir modele API bağlamayı — bazen o bile değil “yıkıcı teknoloji” diye sunmak epey yaygın. Dişe dokunur bir inovasyon yapmadan inovasyon satmanın yerini, yapay zeka ile dişe dokunur biçimde ilgilenmeden yapay zeka pazarlamak aldı. Peki bu illüzyondan nasıl sıyrılırız? İnovasyon ve yapay zeka gerçekte birbirini nasıl besler? Ve biz neden kalıcı bir ekosistem inşa etmekte zorlanıyoruz?

1. Fikirlerin Çiftleşmesi ve Yoğunluk Teorisi

Matt Ridley, inovasyonun kökenlerini incelerken çok temel bir gerçeğin altını çiziyor: İnovasyon gökten düşen dâhiyane bir fikir değil; aşamalı, deneme yanılmaya dayalı ve çoğunlukla aşağıdan yukarıya gelişen evrimsel bir süreç. Ridley’e göre inovasyon, en temelde “fikirlerin birbiriyle çiftleşmesi.” Joseph Schumpeter de inovasyonu “yeni kombinasyonlar” olarak tanımlıyor. Yani inovasyon çoğu zaman sıfırdan icat değildir; var olan parçaları daha önce denenmemiş biçimde bir araya getirmektir. W. Brian Arthur da teknolojinin doğasının kombinatoryal olduğunu, her yeni icadın kendinden öncekilerin yeni bir dizilimi, yeni bir kombinasyonu olduğunu söyler.

Peki yapay zeka burada nereye oturuyor? Ajay Agrawal ve ekibinin Prediction Machines’de verdiği cevabı çok severim, çünkü çok sade: Modern yapay zeka, “tahmin etme” işinin maliyetini dramatik biçimde düşüren bir makine. Bir şey ucuzlayınca onu her yerde kullanmaya başlarsınız. Elektrik ucuzlayınca aydınlatma her eve girdi. Tahmin ucuzlayınca da “bir sonraki adımı kestirme” işi her sürecin içine sızdı.

İnovasyon, fikirleri yeniden birleştiren bir motor. Modern yapay zeka da veri üzerinde yeniden birleştirme ve tahmin yapan bir motor. Biri insan zihninde, diğeri makinede çalışıyor. Bu yüzden yapay zekayı inovasyonun rakibi ya da yerine geçeni olarak görmek bana hep yanlış geliyor. O, inovasyonun yüzyıllardır yaslandığı yeniden-birleştirme işinin ucuzlamış, hızlanmış hâli. Bir bakıma “inovasyon hakkında inovasyon.”

Bunun pratik sonucu çok net: Yapay zekayı yüzeysel ele alan bir ekosistem, aslında inovasyonu da yüzeysel ele almış oluyor. İkisi aynı kapıya çıkıyor.

2. Derinlik Nerede ve Neden Oluşuyor?

Madem ikisi aynı motor, o zaman asıl soru şu: Bu motor dünyanın neden hep aynı birkaç noktasında güçlü çalışıyor? Silicon Valley, Boston, Shenzhen, Tel Aviv. Okuduklarımdan ve gözlemlediklerimden bende kalan tek kelime şu: yoğunluk.

AnnaLee Saxenian, Regional Advantage’da çok çarpıcı bir karşılaştırma yapar. 1970’lerde Silikon Vadisi ile Boston’daki Route 128 benzer bir çizgidedir, hatta Boston biraz öndedir. Ama sonunda Vadi öne geçer. Sebep yalnızca daha fazla para değildir. Vadi’de mühendisler şirketten şirkete rahatça geçer, akşamları aynı mekanlarda buluşup fikir alışverişi yapar. Açık, akışkan bir ağ oluşur. Boston’da ise şirketler daha kapalıdır, herkes sırrına kıskançtır. Kazanan, fikirlerin daha kolay çiftleştiği yer olur.

Paul Krugman’ın Yeni Ekonomik Coğrafya’sında bilgi, sermaye ve yeteneğin birbirini çekip kümelenmesini; Richard Florida’nın teknoloji, yetenek ve tolerans üçlüsünü okuduğumda da aynı resmi görüyorum. Yoğunluk gerekli, ama tek başına yetmiyor. Bir de sabır lazım.

Mariana Mazzucato’nun Girişimci Devlet kitabı bu konuda kafamdaki bir efsaneyi yıkmıştı. Derin teknolojilerin arkasında çoğu zaman yalnızca pazarın cesur kahramanlarını değil, yılların “sabırlı sermayesini” buluyoruz. Dokunmatik ekran, GPS, internet, sesli asistanların kökleri; riski göze alıp on yıllarca hatayı fonlayan, belli bir hedefe kilitlenmiş kamu yatırımlarına kadar gidiyor. Derin teknoloji, çeyreklik raporlara ve göstermelik sunumlara sığacak bir şey değil.

Son halka ise birikim. Ricardo Hausmann’ın ekonomik karmaşıklık tezinde söylediği gibi, bir ülkenin gelişmişliğini yalnızca ham kaynakları değil, toplumun hücrelerine yayılmış “know-how”, yani yapabilme bilgisinin çeşitliliği belirliyor. Bu bilginin büyük kısmı da örtük. Michael Polanyi’nin meşhur sözü gibi: “Söyleyebileceğimizden fazlasını biliriz.” Bisiklete binmeyi kitaptan öğrenemeyiz; yapa yapa, düşe kalka, birinden görerek öğreniriz. Know-how da böyle birikir: insandan insana, kurumdan kuruma, çoğu zaman sessizce.

Yoğunluk, sabırlı sermaye ve birikmiş know-how bir araya geldiğinde ekosistem dediğimiz şey oluşuyor. Peki bu üçünü ayakta tutan zemin ne? Bence cevap güven. Robert Putnam’ın “sosyal sermaye” dediği şey tam olarak bu. İnsanlar birbirine güvendiğinde fikirler şirketler ve disiplinler arasında korkusuzca dolaşır. Kimse bilgisini saklama ihtiyacı duymaz; paylaşırsa karşılığında başka bir şey alacağını bilir. Vadi’yi Boston’dan ayıran da buydu. Güvenin yüksek olduğu yerde know-how akar, sermaye uzun vadeye yatırım yapmaya cesaret eder. Yani iyi çalışan yerlerde sihir yok; resmin tamamı aslında oldukça net.

3. Peki Türkiye Neden Bu Kadar Yüzeyde Kalıyor?

Reçete bu kadar belliyse, derdimiz reçeteyi okuyamamak değil; onu uygulayacak sabra ve zemine sahip olmamak.

Bence en temel hatamız şu: Motoru değil, motorun çıktısını ithal ediyoruz. Yeniden-birleştirme mekanizmasını kurmak yerine, o mekanizmanın ürettiği hazır modeli alıp tüketiyoruz. Judea Pearl’ün The Book of Why’daki ayrımı burada iyi bir mecaz sunuyor. Pek çok sistem hâlâ “neler oluyor?” sorusunu yanıtlayan eğri uydurma aşamasında; nedensel düşünme tarafına geçemiyor. Biz ise çoğu zaman o yüzeysel istatistiğin bile yalnızca tüketici tarafında kalıyoruz. “Bu neden ve nasıl çalışıyor?” sorusuna, yani üretim ve düşünme tarafına geçemiyoruz.

İkinci bölümdeki üç şartın bizde eksik kalması da birbirini besliyor.

Sabırlı sermaye yok. Yatırımcı kısa vadeli geri dönüşün, şirket yönetimleri de çeyreklik raporda güzel duracak “yapay zeka kullandık” cümlesinin peşinde. Hatta bazen daha da acınası biçimde, mesele yalnızca “AI etkinliği yaptık” seviyesine düşüyor. Hataya tahammül eden, uzun soluklu bir Ar-Ge iklimi bir türlü yerleşmiyor.

Sermaye sabırlı olmayınca know-how da birikmiyor. Örtük bilgi ancak yapa yapa, içeride deneyerek, başarısız olarak, tekrar kurarak oluşuyor. Biz ise çoğu zaman satın alıp tükettiğimiz için içeride kalıcı bir şey bırakmıyoruz. Sonunda elimizde bir ekosistem değil, sığ bir pazar oluyor.

Güven, yani sosyal sermaye de zayıf. Düşük güvenin olduğu yerde herkes bilgisini saklıyor, kimse uzun vadeli iş birliğine girmek istemiyor. Üstüne yarının kurallarından emin olamama hâli eklenince, akıllı sermaye de yetenek de uzaklaşıyor. Kimse zeminin sağlam olmadığını hissettiği bir yerde uzun vadeli emek vermek istemiyor.

Bu sığ suda yüzme hakkı da çoğu zaman teknik derinliği olana değil, en yüksek sesle anlatabilene kalıyor. Yapay zeka tiyatrosunun bu kadar rahat sahne almasının sebebini ben hep burada görüyorum. Derinlik olmayınca geriye gösteri kalıyor.

Ne Yapmalı?

Literatür sadece teşhisi değil, tedaviyi de söylüyor. Bana en anlamlı gelen dört başlık şöyle:

Bir: çıktıyı değil motoru kurmak. Yapay zekayı tüketilecek bir trend değil, üretim kabiliyeti olarak görmek. Hazır modeli “kullanmaktan” çıkıp altındaki yeniden-birleştirme mekanizmasını içeride inşa etmeye geçmek.

İki: sabırlı ve hedefe kilitli sermaye. Mazzucato’nun reçetesi tam da bu. Kamu ve özel sektörün, hatayı normal sayan, uzun ufuklu, belli bir misyona odaklı finansman modelleri kurması gerekiyor. Derin teknoloji ancak böyle besleniyor.

Üç: know-how’ı bilinçli olarak derinleştirmek. Örtük bilgiyi içeride biriktirmek için yeteneği tutmak, geri çağırmak ve farklı disiplinleri Saxenian’ın anlattığı gibi fiziksel ve zihinsel olarak yan yana getirmek gerekiyor. Çünkü fikirler ancak yoğun ve açık ortamlarda çiftleşiyor.

Dört: güveni ve sosyal sermayeyi büyütmek. Putnam’ın anlattığı güven, ağ ve karşılıklılık dokusunu kurmadan kalıcı ekosistem oluşmuyor. İnsanların bilgisini saklamadan paylaştığı, uzun vadeye güvenle bağlandığı bir zemin gerekiyor.

Sözün özü: Bugün inovasyon için oldukça elverişli bu yapay zeka motorunu sadece konuşmadan çevirmek, çalıştırmak ve büyütmek hem hiç olmadığı kadar kolay, hem çok önemli, hem de biz böyle bakmaya devam edersek tam olarak bu kadar zor.