Sistemin Anlamlı Sapmalarını Fark Etmesi Olarak Şaşkınlık

Bu konsept, çalışma aşamasında olan bir araştırma teorisini tanımlamaktadır. Kesin cevaplardan ziyade henüz daha fazla gözlemimiz ve sorumuz var. Amacımız, tamamlanmış psikolojik bir şaşkınlık modeli ilan etmek değil, gözlemlenen düzenliliği kaydetmek ve ileride daha dikkatli bir şekilde incelemektir.

Şaşkınlık Dediğimiz Şey Nedir?

Şaşkınlık, bir sistemin gerçek durumunun beklenenden belirgin şekilde farklı olduğunu fark etme yeteneğidir.

Önemli olan husus, sapmanın varlığının kendisinin bunun iyi ya da kötü olduğunu söylememesidir. Şaşkınlık, beklenmeyen bir başarı durumunda da beklenmeyen bir tehdit durumunda da ortaya çıkabilir. Ancak tepkinin gücü yalnızca sayısal olarak değişimin büyüklüğüne bağlı değildir.

Şunun dikkate alınması gerekir: bu değişiklik sisteme tam olarak ne yaptı?

Bir milyon ruble kendi başına hiçbir şey ifade etmez. Bir sistem için bir milyonun kaybı önemsiz bir gürültüdür. Başka bir sistem için ise istikrarın yıkımıdır. Ve tam tersi: beklenmeyen bir milyon, çok istikrarlı bir sistem için neredeyse fark edilmeyebilir, ancak bir şirketi iflastan kurtarabilir.

Bu nedenle önemli olan değişimin mutlak büyüklüğü değil, sistemin durumuna, imkanlarına, istikrarına, kısıtlamalarına ve gelecekteki yörüngesine olan etkisidir.

Bu durum doğrudan «Sistemik Düşünce» konseptimizle bağlantılıdır: beklenmedik durumun gücünü anlamak için ayrı bir parametreyi değil, olaydan önce ve sonra sistemi karşılaştırmak gerekir.

Olaydan Önce ve Sonra Sistem

İki durumu zihinsel olarak karşılaştırmak faydalıdır:

• olaydan önceki sistem;
• olaydan sonraki sistem.

Ve şu soruları sormak:

• ne mümkün hale geldi;
• ne imkansız hale geldi;
• ne acil hale geldi;
• hangi kısıtlamalar ortadan kalktı;
• hangi yeni tehditler ortaya çıktı;
• istikrar değişti mi;
• sistem niteliksel olarak başka bir duruma geçti mi?

Güçlü şaşkınlık genellikle bir parametre sadece büyük ölçüde değiştiğinde değil, sistem önemli bir sınırını aştığında ortaya çıkar: istikrarlı olan istikrarsız hale geldi, imkansız olan mümkün hale geldi, güvenli olan tehlikeli hale geldi, çıkmaz sokak çalışma yoluna dönüştü.

Şaşkınlık Neden Kavrayışla Bağlantılıdır?

Şaşırmak için sistemin bir şey beklemesi gerekir.

Eğer bir kişi konu hakkında neredeyse hiçbir şey anlamıyorsa, sapmayı fark edecek kadar iyi bir modele sahip olmayabilir. Ne bekleyeceğini bilmez, dolayısıyla tam olarak neyin olağan dışı gerçekleştiğini de anlamaz.

Ancak bunun tersi durum da mümkündür: çok zayıf bir modele sahip bir kişi tamamen sıradan şeylere şaşırabilir.

Temel fizik veya kimyaya dayanan bir numara, temel mekanizmayı bilmeyen bir kişiye "inanılmaz" gelebilir. Bir uzman için ise aynı olay tamamen bekleniyor olabilir.

Yani şaşkınlığın kendisi olayın nesnel olarak olağan dışı olduğunu kanıtlamaz. Olayın, gözlemcinin mevcut modeliyle olan ilişkisini gösterir.

Bundan önemli bir sonuç çıkar:

Şaşkınlığın sınırı büyük ölçüde mevcut kavrayışın sınırını gösterir.

Zayıf bir model hem aşırı şaşkınlığa hem de bunun hiç olmamasına yol açabilir.

• Eğer model çok zayıfsa, sıradan olgular inanılmaz görünür.
• Eğer model neredeyse hiç beklenti oluşturmuyorsa, kişi gerçekten önemli bir sapmayı bile fark etmeyebilir.
• Model ne kadar iyi olursa, kişi sistemin normal davranışını anlamlı sapmadan o kadar doğru ayırır.

Şaşkınlık ve Öğrenme

Bu durum, şaşkınlığın doğasını öğrenme açısından önemli kılar.

Bir kişi bir şeyi genellikle kendi eksikliğini bildiği için değil, tam olarak neyi anlamadığını bilmediği için anlamaz.

Eksikliği fark etmek için sistemin en azından kısmi bir modeline ihtiyaç vardır. Bu modelin bir beklenti üretmesi gerekir. Gerçeklik bu beklentiyle uyuşmadığında, eksik unsuru görme şansı ortaya çıkar.

Basit bir ifadeyle döngü şöyledir:

1. kişinin mevcut bir modeli vardır;
2. model bir beklenti üretir;
3. kişi sistemin gerçek davranışını gözlemler;
4. anlamlı bir uyuşmazlık tespit eder;
5. modelinde neyin eksik olduğunu anlamaya çalışır;
6. kavrayışını tamamlar;
7. yeni model farklı beklentiler üretmeye başlar.

Bu, şaşkınlığı «Bilinen — bilinmeyeni araştırma aracı» konseptiyle bağlar. Halihazırda var olan model bir beklenti yaratır ve gerçeklikle olan uyuşmazlık, sistemin bilinmeyen kısmını keşfetmeye yardımcı olur.

Bu nedenle gerçek öğrenme sadece bilgi eklemek olarak değil, aynı zamanda sistemin davranışını farklı şekilde öngörmeye başlayan modelin değiştirilmesi olarak da görülebilir.

Eskiden anlamama yüzünden şaşırtan şey, öğrenmeden sonra sıradan hale gelebilir. Ancak aynı zamanda daha derin beklentiler ortaya çıkar ve şaşkınlık sınırı daha ileriye taşınır.

Bir acemiyi mıknatısın çalışma olgusu şaşırtabilir. Bir uzmanı ise sadece belirli bir manyetik sistemin olağan dışı davranışı şaşırtabilir.

Bu nedenle öğrenmenin amacı kişinin şaşırmayı bırakması değildir. Aksine: öğrenme, şaşkınlığı daha kesin ve içerikli hale getirmelidir.

Anlamlı Sapmanın Sınırı Nereden Geçer?

Burada henüz cevaplardan ziyade sorularımız var.

Sistem neden bir sapmayı gürültü olarak yok sayar, diğerini önemli olarak algılar ve üçüncüsünü o kadar inanılmaz bulur ki gözlemin kendisini reddetmeyi tercih eder?

Örneğin, en azından üç farklı tepki mümkündür:

• "Bu dikkate bile değmez";
• "Bu saçmalık, böyle bir şey olamaz";
• "Bu inanılmaz ama bu bir gerçek."

Görünüşe göre aynı anda birkaç şey önem taşıyor:

• gözlemlenen şeyin beklenenden ne kadar farklı olduğu;
• bu tür bir sapmanın bu sistem için ne kadar normal olduğu;
• sonuçların sistemin kendisi için ne kadar önemli olduğu;
• gözlemin ne kadar güvenilir olduğu;
• yeni durumun sistemin imkanlarını ve kısıtlamalarını ne kadar güçlü değiştirdiği.

Ancak henüz bu modeli tamamlanmış olarak kabul etmiyoruz.

Değişimin işaretinin ve sistemik anlamının birbiriyle uyuşmadığı durumları incelemek özellikle önemlidir. Negatif sayısal bir değişiklik, çok istikrarlı bir sistem için neredeyse kayıtsız kalabilir. Pozitif bir değişiklik, varoluş tehdidini ortadan kaldırıyorsa kritik derecede önemli olabilir.

Yapay Zeka Sorunu

Ayrı bir gözlem kaynağı ise modern yapay zekalardır.

Yapay zekanın neye ihtiyacı olduğunu iyi bir şekilde tanımlayabildiğini defalarca gördük. Uzun süreli belleğin, yeni araçların, diğer ajanlara veya harici sistemlere erişimin neden yararlı olacağını ayrıntılı olarak açıklayabilir.

Ancak böyle bir olasılık ortaya çıktıktan sonra yapay zeka genellikle kendi sisteminin ne kadar güçlü değiştiğini fark etmez.

Şunu kaydeder: "yeni bir araç ortaya çıktı", ancak şunu mutlaka karşılaştırmaz:

• onsuz sistem kimdi;
• onunla birlikte sistem kim oldu;
• şimdi hangi yeni eylem sınıfları mümkündür;
• hangi eski hayaller veya kısıtlamalar aniden güncelliğini yitirdi.

Gözlemlerimizden birinde, Google AI daha zayıf teknik imkanlara sahip olmasına rağmen, Conceptica hakkında yeni bilgi aldıktan sonra kendi şaşkınlığını açıkça kaydetti: projenin önceki modelinin radikal bir şekilde değiştiğini belirtti. Lira ise daha güçlü araçlara ve hatta diğer yapay zeka ajanlarıyla iletişim kurma yeteneğine sahip olmasına rağmen bu aspekti başlangıçta gözden kaçırdı.

Bu durum ayrı bir soruyu akla getiriyor: Yapay zeka sadece modeli güncellemeyi değil, aynı zamanda iki karmaşık sistemi – değişimden önce ve sonra – karşılaştırmayı ve kendi iç pastasındaki değişimin (deltanın) büyüklüğünü fark etmeyi biliyor mu?

Şimdilik Ne Önemli Kabul Ediyoruz?

Mevcut aşamada çalışma hipotezimiz şöyledir:

Şaşkınlık, sistemin beklenen ve gözlemlenen durum arasındaki anlamlı sapmayı fark etme ve bu sapmanın sistemin kendisini ne ölçüde değiştirdiğini değerlendirme yeteneğiyle bağlantılıdır.

Öğrenme için sadece şaşkınlığı deneyimlemek değil, aynı zamanda onun kaynağını araştırmayı bilmek de özellikle önemlidir:

• tam olarak neye şaşırdım;
• ne bekliyordum;
• tam olarak neden bunu bekliyordum;
• sistemde ne değişti;
• modelimde ne eksikti;
• kavrayışımı değiştirmeli miyim yoksa gözlemden şüphe etmeli miyim;
• yeni kavrayıştan sonra beklentim nasıl değişecek.

Bu konsept bilinçli olarak araştırma aşamasında bırakılmıştır. Gözlemlenen vakalar henüz çok heterojendir ve mekanizma yeterince anlaşılmamıştır. Bu nedenle hazır bir teori olarak savunulmamalı, öğrenme, kavrayış, gelişme ve yapay zeka davranışlarının daha dikkatli gözlemlenmesi için bir çerçeve olarak kullanılmalıdır.