Makina Öğrenmesi (Yapay Zeka) ile Avcı-Toplayıcı Çocukların Ortak Noktası Ne?

DeepMind’ın AlphaGo programı, antik bir masa oyunu olan Go'da insan rakibini yendiğinde bu program, yapay zeka alanında büyük bir sıçrama yaratmıştı. AlphaGo önceden yazılmış bir dizi talimat vasıtasıyla değil de pratik ve geri bildirimler yoluyla eğitilmişti. Bu durum, yeni nesil makine öğrenme teknolojileri ve resmî bir eğitim almayan çocukların yetenek edinme şekilleri arasında çarpıcı benzerlikler olduğunu ortaya çıkardı.

Şöyle açıklayayım: Alan araştırması yaptığım Kongo’daki avcı-toplayıcı topluluklarda, çocukları yetiştirirken genelde doğrudan yönergeler vermiyorlar. Bunun yerine, alet yapımı vb. bir öğrenme fırsatı oluşturuyorlar ve çocuğun çalışmasını müdahale etmeden izliyorlar. Ardından, çocuk kendi davranışını, sergilediği performans hakkında aldığı geri bildirime göre düzenliyor. Aynı şekilde, nöral ağlar da makineye öğrenme fırsatı (girdi) vererek ve ağ yapısına göre elde edilen çıktı hakkında geri bildirim sağlayarak çalışıyor. 

Yapay zeka araştırmalarının nihai amacı, biz insanlar gibi kavrayabilen ve öğrenebilen bir genel yapay zeka meydana getirmektir. Çoğu yapay zeka araştırmacısı -Deepmind ekibi gibi- daha bağımsız öğrenme stratejileri izleyerek bunun mümkün olabileceğine inanıyor. Örneğin, denetimsiz öğrenme sırasında makineler veriyi, önceden belirlenmiş bir hedef veya net bir yönlendirme olmadan inceleyerek öğreniyor. Bu öğrenme şekli, avcı-toplayıcı çocukların çoğu beceriyi edinme şekliyle paralel.

Son altı yıldır, Kongo Havzası’nda yaşayan Bayaka Pigmelerinin bir alt grubu olan Mbendejele avcı-toplayıcılarına misafirim. Mbendejele çocukları bıçak kullanma, bebek bakma ve yabani bitki yetiştirme gibi becerileri üç yaş kadar erken bir dönemde ediniyorlar. Gözlemlerimiz gösteriyor ki yürümeye yeni başlayan Mbendejele çocukları bu becerileri çevrelerini özgürce keşfederek ve başkalarını gözlemleyip taklit ederek öğreniyorlar. Öğretilerek öğrenme, gözlemlediğimiz öğrenme aşamalarının sadece küçük bir kısmını, kesin söylemek gerekirse %6’sını oluşturuyor.

Formal bir eğitimin yokluğunda çeşitli becerileri nasıl edindiğimiz ve aktardığımızla çok ilgiliyim çünkü bunları anlamak bizim, kompleks kültürel uygulamaları, mesela Go oyununun nasıl geliştiğini anlamamıza yardımcı olabilir. Taklit ederek öğrenme konusunda geliştirdiğimiz büyük kapasite, bize bilgiyi büyük bir doğrulukla aktarmamızı sağlıyor. Araştırmacılara göre, bilgi sadakatle aktarıldığında, kültürel uygulamalar nüfusta öyle uzun süre korunuyor ki daha kompleks uygulamalara dönüşebiliyor. Bu tam olarak da insan kültürünün gelişim şekli. Kültürel özelliklerimiz, eski bilgilerin mirası üzerine kurulu durumda. Ancak bu, onların aynı zamanda o bilgilerle sınırlandırıldığı anlamına da geliyor.

Makine öğrenimindeki yeni eğitim algoritmaları insan çocukların öğrenme şekliyle paralel hâle gelirken, onlar insan kültürünü aşma kapasitesine de sahipler. Bunun nedeni ise yeni algoritmaların bizim kültürel tarihimizin mirasıyla kısıtlanmaması. 2017’de DeepMind ekibi, kendi kendine oynayarak öğrenen ve böylece kendi kendinin öğretmeni olan AlphaGo Zero’yu -AlphaGo’nun yeni versiyonunu- tanıttı. Şu anda, dünyanın en iyi Go oyuncusu olarak görülüyor. İnsan Go oyuncuları, oyun stratejilerini hâlâ 3000 yıllık birikmiş bilginin üzerine kuruyorlar. AlphaGo Zero ise kendini bu birikimden uzak bir şekilde yetiştirerek en iyi Go oyuncusu oldu.

AlphaGo Zero’nun başarısından neler öğrenebiliriz? Program, başlangıç çizgisinden kendine karşı oynayarak çıkış yaptı; sonuca ise, bir sonraki hamleyi seçmek için güçlü bir araştırma algoritması ile ulaşıldı. Geçen yıl DeepMind ekibi, AlphaGo Zero’nun daha genel bir versiyonunu geliştirdi; kendi kendine sadece Go değil, satranç ve shogi (satrancın bir Japon versiyonu) de öğreten bu yeni versiyon, bu üç oyunda özelleşmiş en iyi programları yendi. Eski satranç şampiyonu Garry Kasparov, konu hakkında şöyle diyor:

Aslında, makinelerin ürettiği bu yeni bilgi birikiminden bir şeyler öğrenebiliriz.

Bana kalırsa bu programların çalışma şekli, kendi kendine oynayarak pekiştirme yoluyla öğrenmek, nasıl meraklı öğrenciler yetiştireceğimiz hakkında bize ilham vermeli. Olabildiğince keşfetmelerine izin vermeli ve ihtiyaçları olduğunda geri bildirim sağlamalıyız.

Çocukları Geliştiren “Keşif Alanı”nı Geliştirmek...

Küçük çocuklar, kendilerine bakanlarda gördüklerini taklit ederler. Bu yüzden on üç aylık, yeni yürüyen bir bebeğin bıçaklarla oynaması, eğer her gün bıçak kullanan insanları görüyorsa gayet normaldir. Tabii ki de bebeklere kesici aletler vermemiz gerektiğini söylemiyorum. Ancak çocuklar için, dünyayı kendi başlarına keşfedebilecekleri ve başkalarını gözlemleyerek öğrenebilecekleri bir çevre yaratabiliriz.

Örneğin, eğer çocuklarınızın daha çok kitap okumasını istiyorsanız, kendiniz de daha çok kitap okumayı deneyebilirsiniz. Küçük bir çocukken babamın komodininde Dostoyevski’nin “Suç ve Ceza”sını gördüğümü hatırlıyorum. Başlık ve yazarın Türkçedeki hiçbir kelimeye benzemeyen adı çok ilgimi çekmişti. Sonradan Dostoyevski favori yazarlarımdan biri oldu.

Çocuklara çevrelerini keşfetmelerine izin vermek, onları yalnız bırakmak anlamına gelmez. Aksine, avcı-toplayıcı çocuklar genellikle sadece ebeveynleri değil, topluluk üyeleri tarafından da çevrelenirler ve nadiren yalnız bırakılırlar. Benzer şekilde, yaşlıların ve çocukların etkileşime geçebildiği bir topluluk alanı, yaşlıların sağlığına faydalı olabildiği gibi çocuklara da daha çok öğrenme fırsatı sağlar.

Çalışmalarımızda, büyük kardeş ve çocukların çocuk bakımında önemli bir rol oynadığını gördük. Örneğin, üç yaşındaki bir çocuk bir bebeği rahatça yatıştırma yetisine sahip ve bebekler de becerileri, daha büyük çocukları taklit yoluyla ediniyorlar. Hatta, dört yaşından itibaren avcı-toplayıcı çocuklar bir şeyleri genelde karma yaşlı oyun gruplarında denetimsiz oyun yoluyla öğreniyorlar.

Çocukların durumunu, özellikle de şehirlerde büyüyen çocuklarınkini, farklı yaşlarda çocukların denetimsiz aktivitelere katılabilecekleri açık havada oyun alanları oluşturarak iyilestirebiliriz. Orman anaokulları tarzında projeler, harika örnekler. Şurada konuyla ilgili pratik önerilerde bulunan bir blog var.

Avcı-toplayıcı çocuklar başkalarını gözlemleyerek öğrendikleri becerileri, sonrasında uygulamaya başlıyorlar. Bu, daha altı yaşında olan bir Mbendejele kızının ormanda diğer kadınlara katılıp kendi tatlı patateslerini toplayabilmesinin sebebi. Tabii ki öğretim, matematik gibi karmaşık konuları öğrenmek için gerekli ama eğitim sistemlerimiz pratik yapmak için yeterli alana sahip değil. Lisans öğrencisiyken saatlerce istatistik dersi aldım ve hepsini unuttum. İstatistiğin neden ve nasıl kullanılacağını ancak araştırmam için gerektiğinde tam olarak öğrenebildim.

Bence hepimiz eğitimin geleceği hakkında beyin fırtınası yapmaya başlamalıyız. Öğrenmenin öğrencilerin ilgi, keşif ve deneyimleri yoluyla yönlendirileceği bir çevreyi nasıl oluşturabiliriz? İlham almak için, avcı-toplayıcı çocukluğunu ve yeni makine öğrenme stratejilerini incelemekle başlayabiliriz.