Küresel iktisatta bilgi üretimi yükseldikçe bu mevzuya ait birçok trend, tartışma alanı da ortaya çıkıyor.
HPE Türkiye, Kazakistan, Kırgızistan, Doğu-Güney Avrupa, Hazar ve Orta Asya Bölgesi Genel Müdürü Güngör Kaymak mevzuya ait değerlendirmesinde “Geleceğimize dair en kıymetli sorulardan birini, bu doyumsuz bilgi talebini mahremiyet, özgürlük ve egemenlik üzere bedellerle nasıl bağdaştıracağımız oluşturuyor” tabirlerini kullandı.
Kaymak bilgi ekonomisindeki son gelişmeleri, trendleri şöyle tahlil etti:
“Massachusetts Teknoloji Enstitüsü Profesörü Alex Pentland bilgi iktisadının mevcut durumunun geçmiş sanayi devrimlerinde yaşananları tekrarladığını sav ediyor.
Pentland’a nazaran üretim araçları birkaç şirketin elinde toplanıyor ve çoğunluk üretilen varlıktan adil bir hisse alabilmek için bir ortaya geliyor.
Pentland, bu türlü bir birlikteliğin günümüze en uygun biçimini ‘veri kooperatifi’ biçiminde tanımlıyor. Buna nazaran bireyler ve kurumlar, zirvedeki büyük monopollere karşı bir güç oluşturmak için kendi haklarını savunan heyetlerin kontrolüne tabi olacak halde bilgilerini paylaşıyor.
Bu fikir hâlihazırda bir dizi paydaş tarafından destekleniyor. Örneğin inanca dayalı model, Avrupa Bilgi Yönetişimi Maddesi’nde (European Veri Governance Act) merkezi bir rol oynuyor.
Ayrıca Memleketler arası Bilgi Alanları Birliği (International Veri Spaces Association) ve Gaia-X üzere kuruluşlar, şirketlerin merkezi bir platform kullanmak zorunda kalmadan bilgilerini paylaşabilecekleri ortamlar için standartlar geliştiriyor.
Veri kolektifleri organizasyonu
Kredi kooperatifleri, bu tıp birliklerin başarılı olabileceğinin bir göstergesi olarak görünüyor. Lakin datalar için bu türlü bir model oluşturmak çok daha güç. Para özelinde bu işi yapmak kolay, zira para yaygın ve standartları belirli bir ortam sunuyor. Bilgi ise spesifik, karmaşık ve heterojen bir yapıya sahip.
Bu durum, sadece bilgilerin sağlam bir formda paylaşılmasına müsaade verecek yeni teknik standartların geliştirilmesini gerektirmekle kalmıyor.
Böyle bir kooperatifin hangi datanın kimlerle ve hangi maksatlarla paylaşılacağını tanımlayan, karmaşık bir kurallar dizisi üzerinde mutabakata varması lazım.
Üyelerin çıkarları birbirinden ne kadar farklı olursa, bu süreç o kadar uzun ve karmaşık oluyor.
Yine de bilgi alışverişi gerektirmese de bilgiye dair en yüksek randımanı sağlayacak alternatif bir iş birliği biçimi sunabilen, sürü (swarm) modeline dayalı bir teknik mevcut.
Sürü halinde öğrenen yapay zekâ
Sürüler merkezi bir uyuma muhtaçlık duymadan, kolay prosedürler eşliğinde çalışıyor. Bununla birlikte hiyerarşik tertipler kadar, hatta onlardan daha tesirli olabiliyor.
Sürü prensibi hayvanlar dünyasında aşina olunan bir durumdu, yazılım geliştirme yahut wikilerin oluşturulması üzere beşere mahsus alanlarda da başarılı olduğu görüldü.
Bu yaklaşım son vakitlerde bilgi bilimi ve yapay zekâ (AI) alanında da uygulanıyor. Sistem şöyle çalışıyor: Bir küme kuruluş, makul bir misyon için bir yapay zekâ modelini ortaklaşa eğitmeye karar veriyor. Birinci olarak her bir kuruluş bunu kendilerine sunulan bilgilerle yapıyor. Daha sonra datanın kendisi değil, bilgilerden öğrenilenler bir ortaya getiriliyor. Bu geliştirilmiş model kümenin tüm üyeleri tarafından kullanılabiliyor.
Örneğin, hekimler ve sıhhat profesyonelleri, hastalıkları X-ray manzaraları, kan kıymetleri yahut genom dizilerine dayalı olarak teşhis etmek için yapay zekâyı kullanıyor. Lakin ferdî enstitülerin birçok kabul edilebilecek düzeyde bir yapay zekâyı eğitmek için kâfi hasta verisine sahip değil. Bilgi müdafaaya dair kurallar nedeniyle bu tıp bilgileri öbür enstitülerle paylaşmak ise çoklukla güç yahut imkânsız.
Buna emsal problemler sürü tahsiliyle çözülebiliyor. Üstelik bu yolla eğitilen yapay zekâ örneklerinin merkezi yapay zekâ eğitimine kıyasla daha uygun sonuçlar elde ettiği de kanıtlanmış durumda.
Veride blokzincir
Sürü öğrenmede yalnızca öğrenme değil, birebir vakitte öğrenilenlerin bir ortaya getirilmesi de merkezi olmayan bir formda gerçekleşiyor. Bu misyonu üstlenmek üzere her eğitim cinsinde blok zinciri ve akıllı mukaveleler tarafından yeni bir küme üyesi seçiliyor. Bu demokratik prosedür, gücün muhakkak bir kısmın elinde toplanmasını önlüyor.
Bu nedenle sürü tahsili sadece mevcut düzenlemeler nedeniyle dataların paylaşılamadığı durumlar için değil, rekabet nedeniyle şirketlerin bilgi alışverişi yapmak istemediği durumlar için de uygun.
Sürü öğrenme ayrıyeten bilgi kümelerinin çok büyük olduğu, bu sebeple sistemli transferin çok maliyetli yahut yavaş olacağı durumlarda da avantaj sağlıyor.
Sürü tahsili, bilgi bilimi ve dijital egemenliğin maksatları bir ortada gerçekleştirilebilir mi sorusuna kuşkusuz bir biçimde olumlu karşılık veriyor.
Tabii tüm bilgi uygulamaları yapay zekâ uygulamaları olacak diye bir kural yok. Birçok durumda maksat sırf yakındaki araçlara buzlanma uyarısı göndermek üzere gerçek vakitte yanlışsız yere bilgi aktarma sorunundan ibaret. Bu çeşit kullanım durumları çoklukla şirketler ortasında bilgi alışverişini gerektiriyor, bu da bilgi iş birliklerini ve bilgi alanlarını tanımlamayı gerekli kılıyor.
Dahası, rastgele bir bilgi biçiminin yahut yapay zekâ kooperatifinin muvaffakiyetinin, üyelerinin yeteneklerine bağlı olduğu unutulmamalı. Bu durumda, üyelerin diğerlerine faydalı hale getirmek için kendi datalarını denetim etmeleri gerekir. Data kurumun paha zincirinde itici güç olmadıkça, kooperatifin datalarından de faydalanamayacaktır.
Çoğu şirket ve kamu kurumu hâlâ bu düzeyden çok uzak ve ulaşmaları da oldukça güç görünüyor. Lakin birçok kişi bu yola girer ve güçlerini birleştirirse, bilgi iktisadının vaadini yerine getirirken her bir ferdî tertibin egemenliği de güçlendirilebilir.
