LIDAR, "Işık Tespiti ve Uzaklık Tayini" anlamına gelen "Light Detection and Ranging" sözcüklerinin kısaltmasıdır. En yalın haliyle; lazer ışınlarını kullanarak, nesnelerin, ölçüm aleti arasındaki uzaklığını ölçmeye yaran bir uzaktan algılama teknolojisidir. Işık hızında çalışması dolayısıyla ölçüm yaptığı alanı çok hızlı bir şekilde, yüksek doğrulukla ölçebilmektedir. Bu sayede, gerek topografik haritaların oluşturulmasında, gerekse diğer başka teknolojik çalışmalarda yoğun bir şekilde kullanılmaktadır. Bu konuya daha sonra geleceğiz; ancak önce, kısaca bu teknolojiyi mümkün kılan fizik tarihine bakış atalım.

20. yüzyılın başlarında, Albert Einstein ve Max Planck, ışığın sadece dalgalar halinde yayıldığını değil, aynı zamanda parçacıklar ("foton") halinde de yayıldığı gerçeğini ortaya çıkardılar. Bu sayede, hem ışığın doğasını daha iyi bir şekilde anlayabildik, hem de kuantum teorisinin temellerini atmış olduk. Fakat en nihayetinde, temel bilimlerde yaşanan böylesine olağanüstü bir gelişme, sadece yaşadığımız evreni, doğayı anlamamıza katkı sağlamaz, bunun yanında başka yepyeni teknolojilerin keşfine de büyük olanaklar sağlar.

Beynimizi çok kapsamlı ve gelişmiş bir bilgisayar olarak düşünmeye meyilliyizdir. Çünkü tıpkı bir bilgisayar gibi, etraftan gelen verileri toplar, belli bir merkezde işler ve genler ile çevrenin belirlediği bir altyapı çerçevesinde bu uyaranlara uygun bir cevap üretir. Örneğin ateşe dokunmaktan uzak durur, yemek arar, üremeye çalışır, su peşinde gideriz. Bu yaklaşım öyle yaygındır ki, New Scientist dergisinin 18 Ekim 2018 tarihli bir yazısının başlığı şöyle der: "Beyniniz, 100 milyar mini-bilgisayarın bir arada çalışması gibidir!"

Buna karşılık bazı psikolog ve sinirbilimciler (ve kimi zaman bilgisayar bilimciler de), beynimizin bir bilgisayar olamayacağını, bunun aşırı basite indirgenmiş ve düpedüz yanıltıcı bir metafor olduğunu söylemekte. Bu yazının okurlarının, beynin bilgisayar metaforuna alışık olduğunu tahmin ettiğimizden, tersten başlayalım ve beynin neden bir bilgisayar olmadığı iddiasını anlamak için, Kaliforniya'daki Amerikan Davranışsal Araştırma ve Teknoloji Enstitüsü'nden psikolog Dr. Robert Epstein'in şu sözlerine kulak verelim (makalesinin tamamına Türkçe olarak buradan erişebilirsiniz):

Bir önceki yazımızdan hatırlayabileceğiniz gibi, artık uyum başarısının ne olduğunu, evrimi neden etkilediğini ve bir popülasyondaki ortalama uyum başarısının ne anlama geldiğini biliyoruz. Bu yazımızda da bu konu üzerinden giderek çeşitli popülasyonları, farklı genotip dağılımlarına göre analiz etmeyi öğreneceğiz. Böylece farklı seçilim baskıları altında, farklı genotiplerin ne yönlere doğru evrimleşebileceğini tahmin etmeyi ve hesaplamayı öğrenmiş olacağız. Ancak başlamadan önce, ortalama uyum başarısının nasıl hesaplandığını hatırlayalım ve bunun matematiksel anlamını bir örnek üzerinden görelim. Hatırlayacak olursanız ortalama uyum başarısını şöyle hesaplıyorduk:

Hatırlayacağınız gibi burada F harfiyle belirtilenler genotip frekanslarını (örneğin AA genotipinin popülasyon içerisinde bulunma sıklığını), omega (ω) işaretiyle gösterilenlerse, o genotipin çevreye uyum başarısını ifade etmektedir. Dolayısıyla her bir genotipin uyum başarısını, o genotipin bulunma sıklığı ile çarparak sonuçları topladığımızda, popülasyonun ortalama uyum başarısını elde etmiş oluruz. Bu tıpkı şu soruyu çözmeye benzer: