Şehir ve Mekân Araştırmalarında Yeni Metodlar dizi seminerlerinin ikincisinde Medeniyet Üniversitesi’nden Muhammed Erkan Karabekmez Şehir ve Mekan Araştırmalarında Büyük Veri (Big Data) Kullanımı adlı sunumunu gerçekleştirdi.

Karabekmez, büyük veri, yapay zekâ gibi konuların yeni konular olduğu ve teveccühün asgari olduğunu belirterek sözlerine başladı. Devamla, Bunların peşinden yeni oldukları için mi gitmekteyiz yoksa nasıl bir fayda umduğumuzu biliyor muyuz? Yapay zekâdan bir adım geri gelip geniş perspektifte bakıldığında veri biliminin yoğun bir şekilde kullanıldığı görülmektedir. Bunun sebebi olarak da bir şeyleri ölçme ve hesaplamanın yaygın şekilde kullanılması gösterilebilir.

Veri yoğunluğu artarak devam etmektedir. Ekonomi, karar destek yazılımları, pazarlama, eğitim, astronomi, meteoroloji ve yaşam bilimleri gibi birçok alanda yoğun bir şekilde kullanılmaktadır. Online platformlarda kişinin tüm verileri işlenerek seçeneklerden uygun olanı bu veri setine göre sunulmaktadır. Futbol maçlarının veri setine dönüştürülmesi, Astroinformatik sistemler, sosyal bilimlerde önemli şahsiyetlerin ilişki ağlarının ortaya konması gibi network analizleri, bilgi akışının izlenebilmesi gibi enteresan ipuçları sağlayabilmektedir. Şehircilik alanında Eurostat’ın şehirleşme derecesi ile alakalı şehir ve kır tanımları yeniden elden geçirilebilir mi? sorusu üzerine yaptığı çalışmada, kırsal ve şehrin ilişkisini tekrardan ölçmek adına sağlıktan eğitime, turizmden refah seviyesine yüzden fazla indiktatörü veriye dönüştürerek, şehirler, kasaba/banliyöler ve kırsal alanlar olarak üç farklı sınıflandırma yapmaktadırlar.[2] Şehirleşme tarihi ile alakalı Barcelona’nın 1867’deki haliyle günümüzdeki halinin birçok kriter bağlamında karşılaştırmalı bir analizi mevcut. Şehrin mekânsal kurgusu birçok şeyi etkilemektedir. Bu yönüyle şehirleşme örüntüleriyle ilgili analizler yapılabilmektedir.[3]

Şehircilikte olduğu gibi her alanda verinin uygulamalarını bulmak mümkündür. 112 acil merkezlerinin lokasyonlarının belirlenmesinde geçmiş dönemlerdeki acil vakaların dağılımı, günlük trafik yoğunluğu, nüfus yoğunluğu gibi birçok parametre kullanılarak sağlık hizmetlerinin etkili bir biçimde sunulması sağlanabilmektedir. Öte yandan trafik ışıklarının otomasyonu, trafik yoğunluğu verilerinin uzun erimli incelenmesiyle bile birçok sonuç elde etmek mümkün. Enerji yönetimi yine şehircilik anlamında önemli bir kısmıdır. Enerjinin dağıtımı, nakli, enerji kullanımının gün içinde değişimi gibi optimizasyonu gerekli birçok faktör yine bu bağlamda incelenebilir. Su, doğalgaz, Çevre kirliliği, katı atık yönetimi gibi birçok alanda maliyetlerin düşürülmesi ve enerji optimizasyonu sağlanması yine bu yollarla gerçekleştirilebilmektedir.

Bu anlamda farklı katmanlardaki bilgilerin üst üste gelmesiyle bilginin, büyük verinin akışını sağlıyor olmak gerekecek. Yine karar destek yazılımları bağlamında yapay zekâ kişisel alışkanlıkları ve öncelikleri gözeterek yüzlerce evi üretebilmektedir.[4] Bu şekilde verinin birçok katmandan bir araya getirilmesiyle akıllı şehir ortaya çıkmaktadır. Şehir planlama ile ilgili veriye dönüştürme ve alanda nasıl kullanılabileceğine yönelik bir örnek incelendiğinde[5] yapay zekâya, arazi kullanım kararlarını belirlerken bir amaç ve hedef tanımlanması gerekir. Bu amaç çevreci, ekonomist, sosyolog gözünden veya kültür ve medeniyet perspektifinden bir kaygı olabilir. Çünkü şehrin formatı bize bir yaşam tarzı dayatmaktadır. Başka bir medeniyete ait bir şehir biçimi bize o medeniyetin ritüellerini dayattığı için biz bu çevrede kendi kültür ve medeniyet fikrimiz çerçevesinde yaşadığımız zaman eğreti durmaktadır. İşte burada karar alıcının tutumuna göre tanımlanan amaç da değişmektedir. Bu şekilde yapay zeka algoritması bize farklı seçeneklerde şehirleşme çözümlerini optimize edilmiş şekilde verebiliyor. Sonuç olarak aslında sunumun anahtar cümlelerinden biri olarak birçok parametreyi veriye dönüştürmeniz gerekir.

Veri yoğun çağda mesleki bilgi dışında veri ile alakalı İstatistik, matematiksel modelleme, simülasyon ve yeterli seviyede kodlama bilmesi gerekebilir. Bunun yanında veri bilimini önemli kılan şey domain/alanı bilme, verinin kaynağı olan bağlamı anlama ve algılamadır çünkü bağlamı nasıl veriye dönüştürdüğünüz ve veriyi analiz ettikten sonra çıkan sonuçları nasıl yorumladığınız tamamen bağlam bilgisi ve uzmanlık ile ilgilidir. Dolayısıyla yapay zeka hiçbir zaman alan bilgisini elimizden alacak gibi görünmüyor. Bu anlamda alan bilgisine sahip kişiyle diğer kısımda bulunan kişinin birbirlerinin alanlarıyla alakalı en azından okuryazarlık seviyesinde asgari bir formasyona sahip olması gerekir. Aksi takdirde verimli bir çalışma olmayacaktır.

Alibaba firmasının kısa sürede nasıl yükseldiği ile alakalı olarak ekip içerisinde bulunan bir kişi Alibaba’nın hızlı yükselişi için “smart businnes” akıllı işletmeye işaret etmektedir. Müşteri hareketlerinin verileştirme,  her aktiviteyi yazılımlaştırma, veri akışını sağlama ve algoritmayı uygulama. Tüm bunlar şehircilik disiplini içinde geçerlidir.

Veri bilimi yaşam döngüsü incelendiğinde ilk adım olarak alan bilgisi gelmektedir. Bu en hayati kısmı oluşturmaktadır. İkinci olarak bu alanın içerisinden verileri seçme, üçüncü kısımda verileri temizleme gelmektedir. Bu kısım en yoğun mesainin harcandığı kısımdır. Hatalı verinin ayıklanması ve öngörülmesi ciddi problemler olarak karşımıza çıkmaktadır. Üçüncü adım olarak verinin keşfi, mühendisliği ve modellemesi bulunmaktadır. Bu kısım her disiplinde büyük oranda belirlenmiştir. Son adım ise veri görselleştirmedir. Farklı katmanlardan gelen verinin bağlama uygun sunulması için birçok tasarım çeşidi bulunmaktadır.

Verinin büyüklüğü işleme maliyetlerini beraberinde getirmektedir. Bu yüzden bulut çözümleri son dönemde yaygınlaşmıştır. Daha az maliyetle veriyi depolayabilen ve kiralama yöntemleri sunabilen bu çözümler stratejik bir öneme sahip ciddi bir sektör haline gelmektedir.

Büyük verinin analiz edilmesi içerisinde büyük riskleri de barındırmaktadır.  Verinin doğru bir şekilde analiz edilmemesi, istatistiksel araçları ve algoritma modelleri doğru bir şekilde uygulanmazsa var olduğu zannedilen örüntüler ortaya çıkabilir yahut görülmesi gereken bir veri görülmeyebilir. Şehircilik bağlamında veri kullanımının sağlıklı bir şekilde yürütülebilmesi için siyasi, idari ve ticari birçok iradenin bir araya gelmesi gerekmektedir. Verinin standardı ve güvenliği ve verinin tekrarlanabilmesi önem arz etmektedir.

Tüm bu sürecin bize söylediği birkaç şey bulunuyor. Birincisi çok disiplinli bir ortam önerilmektedir. Veri bilimi hayatın çok farklı disiplinlerinde formasyon almış insanların bir araya geldiği multidisipliner bir ortam ihtiyacı hasıl olmaktadır. Burada İbni Sina’da görüldüğü gibi acaba yeniden Polymath’lara mı ihtiyacımız var? Sorusu ortaya çıkıyor. Modern dönemde son 200 yılın indirgemeci paradigmasının bizi getirdiği aşırı ihtisaslaşma durumu görülüyor. Bundan bir miktar geriye dönmek gerekmektedir. Öyle ki 1900’lü yıllar sonrası bu trend görülmektedir.

Son söz olarak 1700’lü yıllarda sanayi devriminden sonra İngiltere’de manuel dokuma tezgahlarında çalışan işçilerin buharlı makine ile çalışan dokuma tezgahlarının işlerini ellerinden alacağına yönelik kaygıları “lootçular” adı verilen bir oluşuma ve büyük bir ayaklanmaya yol açmıştır. Bu kaygı boşa çıkmış ve sonuç olarak teknoloji kimsenin işini elinden almamıştır. Bu anlamda yapay zeka da kimsenin işini elinden almayacaktır fakat teknoloji dönüştürmektedir. Öte yandan Yapay zekanın hayatın tüm uğraşlarını elimizden alacağı endişesi yapay zekaya atfedilen gereksiz anlamdan kaynaklanmaktadır. Aslında teknoloji dönüştürmektedir.

Sosyal bilimlerde işin içine verinin girmesi, onu nicel bir biçime evireceği endişesi bulunmakta ve buna karşı bir defans hali sergilenmektedir. Sosyal bilimler her ne kadar numerik bir hale getirilse de alan bilgisi, yorumlama ve yaklaşımın bir miktar nitel bir mahiyeti bulunuyor. Bu yönüyle neyi ölçeceğimiz, ölçeceğimiz şeye ne anlam vereceğimiz konusunda yine bir uzmanlık gerekiyor. Bu anlamda teknoloji sadece rolü, yapacağınız işin çerçevesini dönüştürür ama insanı tamamen devre dışı bırakmış olmaz.


[2] https://ec.europa.eu/eurostat/web/products-eurostat-news/-/DDN-20200316-1?inheritRedirect=true

[3] http://tgu.urbanization.org/

[4] https://twitter.com/exutumno

[5] https://www.journals.elsevier.com/cities

CEVAP VER

Yorumunuzu yazın!
Lütfen isminizi yazın