Ayın Yorumu bölümünde Sinem Görücü uzun zamandır yapı sektörünün gündeminde olan yapay zekâ tartışmalarına sosyal adalet ve toplumsal cinsiyet eşitliği perspektifinden bakıyor.
“2022 Yapay Zekâ yılı oldu.” Bu yazıyı yazmaya son zamanlarda sıkça duyduğum bu iddiayla başlamak istedim ve iddiayı doğrudan muhatabına sormanın daha doğru olacağını düşünerek ChatGPT’ye koştum. Son aylarda yapay zekâya yönelik ilginin artış sebeplerini en azından birkaç paragrafla anlatarak bu yazıya da katkıda bulunur diye umuyordum açıkçası ama aramızda anlaşamayınca onun yerine şöyle gergin bir diyalog yaşadık:
— 2022 yapay zekâ yılı mı oldu?
— Hayır, 2022 yapay zekâ yılı değil.
— Hiç mi değil?
— Hayır, 2022 yapay zekâ yılı olarak kabul edilmedi.
— Bence edildi.
— Herkesin görüşleri farklıdır, ancak resmi olarak 2022 yapay zekâ yılı olarak tanımlanmadı.
— Ben LinkedIn’de gördüm ama.
— Olasıdır, ancak resmi olarak tanımlanmamış olabilir. LinkedIn ve diğer sosyal medya platformlarındaki tanımlama ve etiketleme kuralları farklıdır ve resmi olarak kabul edilmeyebilir.
— Resmisini falan bırak, sence 2022 senin yılın mıydı, değil miydi?
— Ben bir yapay zeka modeliyim ve yılların benim için bir anlamı yok. Sadece verilen sorulara cevaplar veririm.
— Pfft. Ok.
— Size nasıl yardımcı olabilirim?
(ChatGPT’nin bu kadar üzerine gitmemin ve yazıya bu anekdotla başlamamın temel sebebi GPT’nin son dönemdeki karşı konulamaz popülaritesinden bir nebze olsun nemalanmak istememdi, doğru.)
ChatGPT kabul etmese de 2022 gerçekten de yapay zekânın yılı oldu. Aslına bakarsanız bu artan ilginin şekillendirdiği yaygın kanının aksine yapay zekâ çok da yeni bir konsept değil. Çağdaş anlamıyla ilk kez tanımlanmaya başlamasından bu yana neredeyse 80 yıldır makinelerin de insanlar gibi düşünüp düşünemeyeceği üzerine kafa yoruyoruz. Özellikle 2010’larda yaşanan büyük veri (big data) devrimi, makine öğrenmesi ya da Ethem Alpaydın’ın çevirisiyle “yapay öğrenme”* ve derin öğrenme süreçlerinde son yıllarda şahit olduğumuz ivmenin temel aktörlerinden oldu.
ChatGPT örneğindeki gibi, geçtiğimiz yıla kadar sadece konuyla yakından ilgilenen niş bir yaratıcı çevrenin erişim imkânı ve hakkına sahip olduğu (genellikle ücretli üyelik gerektiren) ve bugüne kıyasla çok daha kısıtlı becerilere sahip olan Midjourney, ya da Dall-E gibi yapay zekâyla metinden imaj üreten araçların ücretsiz erişime açılması geçtiğimiz yılın en çok ilgi çeken teknoloji gelişmelerinden biriydi. Saniyeler içinde binlerce pikseli kompoze ederek bir araya getirmemizi sağlayan bu üretim çılgınlığının mimari tasarımcıları heyecanlandırmaması tabii ki beklenemezdi. Sovyet sosyal konutlarının cephe tasarımlarından ekolojik mimarlık spekülasyonlarına, nostaljik kent panoramalarından parametrik çöl vahalarına; kendimizi tabiri caizse görsel bir bombardımanın ortasında bulduk. Ve elbette hemen ardından da; “Mimarlık resim çizmek değildir” yakarışları arasından yükselen “YAPAY ZEKÂ MİMARLARI İŞSİZ Mİ BIRAKACAK” kavgasına tutulduk. Teknolojiyle ilişkisi uzun yıllardır CAD (computer-aided design) uygulamalarını üretim süreçlerine yaver atamak olan mimarlar için yaveri mutabakat masasına davet etmenin ne kadar sancılı bir süreç olacağını öngörerek söyleyebilirim ki evet, mimarlık resim çizmek değildir ve Midjourney gibi görselleştirme modelleri mimarları muhtemelen işsiz bırakamaz. Ama başka modeller bırakabilir.
Mimarlar son birkaç yılda, konut plan tipolojisi üreten modellerden*, yapı kabuğu tasarımı yapan uygulamalara* ve kütle modellerinden fotorealistik görseller üreten GAN’lere (çekişmeli üretici ağlar)* kadar pix2pix yani 2 boyutta imajdan imaj üretebilen pek çok yeni ürünle ve yapay zekâ modeliyle tanışsa da yapay zekâ mimarlığa ve inşaat sektörüne 2 boyutlu üretimden daha fazlasını da vadediyor. Bugün, yapay ve derin öğrenme teknolojilerini strüktürel form-bulma süreçleri*, kestirimsel çevre simülasyonları (rüzgâr, gün ışığı vb.) *, kent sakinlerinin davranış örüntülerini keşfeden modeller (behaviour pattern detection), insansız robotik inşa süreçleri ve çok yakında ikinci bir görsel bombardımana sebep olacağından emin olduğum 3D GAN’le 3 boyutlu kütleler/objeler üretmek için* yaygın olarak kullanmaya başladık ve daha pek çok yeni kullanım alanının önümüzdeki birkaç yıl boyunca mantar gibi her köşede belirmeye devam edeceğini de öngörebiliyoruz ama konumuz bu seferlik bu inovasyon fırsatları değil. Konumuz köfte ekmek. Zira ne kadar ekmek o kadar köfte; ne kadar veri o kadar da zekâ…
Yazının başında bahsettiğim metinden görsel üreten araçların eğitilmesi için kullanılan veri setlerinin yüz milyonlarca imajdan oluştuğunu medya aracılığıyla pek çoğumuz duymuştur muhtemelen. Dahası, bu araçların ürettiği her imajın da modeli eğitmeye devam ettiğini ve örneğin Dall-E’nin günde 2 milyondan fazla imaj ürettiğini göz önünde bulundurursak*, veri setinin nasıl katlanarak büyüdüğünü daha iyi kavrayabilir ve bu büyümenin birkaç ay gibi kısa bir sürede bile modelin üretim becerisine sunduğu katkıyı daha iyi anlamlandırabiliriz diye düşünüyorum. Ancak tüm bu devasa bilgi ve “birikim”e rağmen şahsen ben bu modellerle de pek çok zaman ChatGPT’yle yaşadığım absürt diyaloğu aratmayan anlaşmazlıklar yaşıyorum ve eminim ki bu konuda yalnız değilim. Örneğin Almanya’nın bir önceki şansölyesinin bir portresini üretmesini istediğimde Midjourney’i Angela Merkel’in bir kadın olduğuna ikna edemiyorum, zira model inatla Merkel’e tıpatıp benzeyen erkek imajları üretmek istiyor. Ya da Open Journey’den geleneksel kıyafetler giyen Anadolu kadınlarını resmetmesini istediğimde yapay zekâ modelini, dupatta’nın Anadolu’nun geleneksel kıyafetlerinden olmadığına da ikna edemiyorum, illa ki öyle olduğunu düşünüyor. Tüm bu örnekler yapay zekâ modellerinin aslında medyadaki tasvirlerin aksine o kadar da büyüleyici olmadığını; onları eğittiğimiz veri setlerinde gördükleri şeyleri sadece taklit edebildiklerini ve tarihsel bütün değer ve yargılarımızı da çoğaltmaya devam ettiklerini gösteriyor. Yapay zekâ, veri setinde yeterince kadın başbakan yoksa dünyanın en ünlü kadın liderlerinden birinin bile erkek olduğuna inanmaya başlıyor, yahut yeterince Anadolu insanı/folklörü yoksa her geleneksel kıyafetin Güney Asya’da giyilenlere benzer olduğunu uyduruveriyor. E tabi sonra da uydurduğu şeye inanıyor.
Tarihsel mirasımızın ve bu mirastan gelen eşitsizliklerin, değer ve yargı arşivlerinin izlerini yapay zeka süreçleri boyunca veri yanlılığı ve algoritmik yanlılıkla pek çok farklı formda tekrar üretiyoruz. Yani insanlıkla ilgili ne biliyorsak o bilgiyi yapay zekâ yardımıyla çoğaltarak insanlığa geri veriyoruz, tıpkı bir sonsuzluk aynası gibi. Cinsiyetçilik öğrendiyse cinsiyetçiliği, ırkçılık öğrendiyse ırkçılığı, hatta caz öğrendiyse cazı ve postmodernizm öğrendiyse de postmodernizmi… Bu döngünün sağlık, adalet vb. çeşitli sektörlerde ne kadar hayati ve tehlikeli olabildiğini ve nasıl mağduriyetlere hatta zulümlere yol açabildiğini geçtiğimiz birkaç yılda pek çok sarsıcı örnekle deneyimledik, peki kentlerimiz için ne ifade ediyor?
Aynı imaj üretme modellerinin mimari tasarım dünyasında yarattığı hareketlenmeye geri dönecek olursak; model sizi bir Zaha Hadid döngüsünün içine sokup tekrar tekrar sağı solu deforme olmuş Haydar Aliyev Kültür Merkezi imajları üreterek delirmenize vesile olabilir mesela. Ya da kendinizi bir çeşit neo-Dubai spekülasyonları çukurunda bulabilirsiniz kolayca. Belki de o kadar umursamazsınız, “Mimarlık zaten resim çizmek değildir” der geçersiniz ama bu çukurun ötesi de var.
Kariyerinin bir kısmını bu çukura adayan biri olarak ben açıkçası mimarlık ve şehirciliği dönüştürme iddiası olan hemen her yapay zekâ uygulaması ve süreci için bambaşka kaygılar duyuyorum. Sadece yukarıda verdiğim örnekleri ele aldığımızda bile; örneğin sahip olduğumuz 3D mobilya kütüphaneleriyle eğiteceğimiz 3D GAN modelleri, üretecekleri yeni mobilyaları da onlarca yıldır standart olarak dayatılan o batılı, beyaz, 180 cm boyundaki standart erkek ergonomisini referans alarak üretmeye devam etmeyecek mi diye sorgulamaktan kendimi alıkoyamıyorum. Ya da yüz binlerce farklı konut kat planıyla beslenerek eğitilen pix2pix plan üretme modelleri, bugünün hane halkı yapısındaki demografik değişimleri görmezden gelerek “anne+baba+çocuklar”ın oluşturduğu çekirdek aile normuna göre mi üretecek konut planlarımızı hâlâ meselâ? Yahut kadının bakım emeği gözetilmeden tasarlanan toplu taşıma sistemlerindeki davranış örüntüleri mi şekillendirecek şehirlerimizin gelecekteki ulaşım ağlarını? Bütün bu sistemlerde ve tasarım süreçlerinde dışarıda bırakılan, görmezden gelinen, analiz edilmeyen hatta bazen hiç toplanmayan verileri süreçlere dahil etmenin yollarını bulabilecek, veriyi erk sahiplerinin elinden alıp toplumlarımızın müştereği haline getirebilecek miyiz? Ya da yurttaşlar olarak rızamız dışında toplanan ve manipülasyon hatta baskı araçlarına dönüşen verilerimizi ıslah etmenin yollarını bulabilecek miyiz bu süreçte? Tüm bunlar bir yana, hâlihazırda dünyanın en fazla karbon salan endüstrisine hizmet ettiğimiz bilinciyle, veri sistemlerimizin ve yapay zekânın yaratıcı kabiliyetlerinin bir avuç elitin doğaya ve insanlığa karşı sıfır sorumluluk güderek inşa etmeye devam ettikleri prestij tapınaklarını daha da ve daha da ve daha da parlatabilmek için kullanılacağı bir gelecekte vereceğimiz mücadeleye hazır mıyız misal?
Tam da şu anda durduğumuz dönüm noktasında gelir adaletsizliğinin üzerimizde yarattığı baskıyla dikkatimizi işlerimizin elimizden alınmasından başka bir tehlikeye veremezken, acilen sormaya ve cevaplar aramaya başlamamız gereken sonsuz sayıda sorudan sadece birkaç tanesi…
Konuşulacak çok şey, gidilecek çok yol ve kazanılacak çok mücadele var, ama gönül rahatlığıyla söyleyebilirim ki; hayır, yapay zekâ dünyamızı cennet yapmayacak, ama cehennem yapmaması da bizim elimizde.
Sinem Görücü, Nisan 2023
*
Ethem Alpaydın’ın 2020 tarihli “Makine Öğrenmesi Yerine Yapay Öğrenme” başlıklı yazısı:
http://ealpaydin.blogspot.com/2020/07/makine-ogrenmesi-yerine-yapay-ogrenme.html
Jason Dorrier’in DALL-E’nin her gün 2 milyondan fazla imaj ürettiğine dair 3 Ekim 2022 tarihli makalesi: https://singularityhub.com/2022/10/03/openai-says-dall-e-is-generating-over-2-million-images-a-day-and-thats-just-table-stakes/
Yukarıda bahsedilen, mimarlık alanında kullanılan yapay zekâ uygulamaları:
ArchiGAN: a Generative Stack for Apartment Building Design. (2019, July 17). NVIDIA Developer Blog. https://developer.nvidia.com/blog/archigan-generative-stack-apartment-building-design/
Image-to-image translation with conditional adversarial networks. (2018, May 8). The Morning Paper; the morning paper. https://blog.acolyer.org/2018/05/08/image-to-image-translation-with-conditional-adversarial-networks/
Steinfeld, K. (2019, July 6). GAN Loci. Medium. https://towardsdatascience.com/gan-loci-e2bbd1b4926f
Design Space Exploration with Variational Autoencoders. (n.d.). IAAC Blog. Retrieved February 1, 2023, from https://www.iaacblog.com/programs/design-space-exploration-variational-autoencoders/
Spacemaker – AI Architecture Design | Building Information Modelling. (n.d.). Www.spacemakerai.com. https://www.spacemakerai.com/
3D Generative Adversarial Network. (2016). Mit.edu. http://3dgan.csail.mit.edu/
Sinem Görücü
Sinem Görücü McInerney; mimar, tasarımcı, araştırmacı, eğitmen, toplum örgütleyicisi ve Londra merkezli bir yaratıcı araştırma stüdyosu olan Feminist Design’in kurucusudur. Çalışmaları yapay zekâ, tasarım, sosyal adalet, veri bilimi, feminizm ve sivil katılım kesişimlerine odaklanır. FHNW ve Inholland Universitesi gibi çeşitli yükseköğretim kurumlarında ve Birleşmiş Milletler, Goethe Institut gibi pek çok uluslararası örgüt ve organizasyonda tasarım ve veri adaleti, algoritmik yanlılık, yaratıcı yapay zekâ ve feminist hacking konularında lisans ve lisans üstü düzeyde ders verir, eğitim ve okuryazarlık çalışmaları yürütür. UCL–Bartlett School of Architecture Mimari Tasarım ve ODTÜ Kentsel Tasarım programlarında yüksek lisans, Gazi Üniversitesi’nde Mimarlık lisans derecesine sahiptir. Çalışmaları sinemgorucu.com adresinden görülebilir.