“Seninki Kaç Santim” Greenpeace Türkiye‘nin yeni kampanyasının ismi. Kendi sayfalarında kampanyayı şöyle açıklıyorlar:

BOYUT ÖNEMLİDİR

Böyle devam ederse dünyadaki balık stokları 2050’de tükenecek. Büyük balıkların %90’ı çoktan yakalandı. Toplam balık stoklarının %60’ı çoktan bitti. Balıkların bittiği gün deniz yaşamı da bitecek.

Oysa hala zaman var. Büyük balıkların yüzde 10’u hala hayatta, balıkların yüzde 40’ı hala denizlerdeki ekosistemi beslemeye devam ediyor. Bugün yavru balık avını durdurabilirsek yarın herşeyi düzeltebiliriz.

Eyleme katılın! Tarım Bakanlığı’ndan yavru balık satışını engellemesini ve yasal balık boylarını düzenlemesini isteyin. Denizlerden vazgeçmeyin!

Balıkların gitgide küçülmeleri ile ilgili bilimsel çalışmaları incelemek isterseniz, bu konuda araştırma yapan evrim profesörü David O. Conover’ın bulgularını açıklayan Evrimi Anlamak makalesine de mutlaka göz atın:

“Evrimsel gerçeklerin oltayla tutulması: David O. Conover’ın Çalışması“

"Indricotherium". Z. Burian tarafından 1972'de yapılmış bir çizim (SPINAR 1976).

Günümüzde memeliler, dünyanın hem cüssece büyük, hem de en yaygın hayvan gruplarından biri. Fosil kayıtlarına göre ilk memeli-benzeri canlılar 200 milyon yıl önce, sürüngenimsi atalardan evrildiler. Önce gagalı ve yumurtlayarak üreyen, sonra kanguru gibi keseli ve insan-gibi eteneli (plasentalı) türler ortaya çıktı.

Ancak varlıklarının ilk 140 milyon yılı boyunca memeliler, bugünkü memelilerden farklıydı. O zamanki atalarımız ekseriyetle küçük, en büyükleri de 10-15 kiloyu aşmayan türlerdi. Ayrıca dünyanın sınırlı bölgelerinde yaşamaktaydılar. Bunun sebebi aynı dönemde dinozorların dünyaya hakimiyetiydi.

65 milyon yıl önce dinozorların yokoluşu, memeliler için büyük bir fırsat yarattı. Bu dönemden itibaren memeliler çok hızlı bir değişim geçirmeye başladılar. Bu değişim, dinozorlardan arta kalan alanları ve rolleri memelilerin üstlenmesiyle açıklanır. Örneğin dinozorların hakimiyetindeki Mezozoik dönemde uçan memelilere rastlanmazken, dinozorlar yokolduktan yalnızca 15 milyon yıl sonra yarasalar ortaya çıkmıştı.

Science dergisinde geçtiğimiz hafta yayınlanan bir araştırmada ise, dinozorların ardından memelilerin vücut büyüklüklerinin nasıl bir değişim geçirdiği incelendi (referans). Felisa A. Smith önderliğinde 13 farklı araştırma kurumunda çalışan 20 biyolog, farklı kıtalarda yaşamış bulunan çeşitli memeli takımlarına ait fosil kayıtlarını ele aldılar. Grup, fosillerin vücut ağırlıklarını tahmin ederek bunların zaman içindeki değişimlerini çözümlediler.

Araştırmacılar, 65 milyon yıl öncesinden itibaren memelilerin azami vücut büyüklüklerinin hızla artmaya başladığını gördüler: 15 milyon yıl içinde en ağır türler 10 kilogramdan 1 tona çıkmış, bundan 25 milyon yıl sonra ise 10 tona yaklaşmıştı. Bugün soyu tükenmiş olan Megatherium (dev tembel hayvan) ve mamut gibi türler bu dev memeliler arasındaydı.

Dahası, farklı kıtalarda bağımsız memeli türleri arasında aynı ‘devleşme eğilimi’, aşağı yukarı eşzamanlı yaşanmıştı.

Smith ve ortakları, 65 milyon yıl önce başlayan bu eğilimin 40 milyon yıl içinde zirve yaptıktan sonra durduğunu da tespit ettiler. Yani son 25 milyon yıldır dünyamızda çok sayıda kara memelisi devleşti (örneğin Afrika fili) ancak devleşen yeni türler hiçbir zaman 10-20 ton sınırını geçmediler.

Şimdiye dek yaşamış en büyük ve en ağır kara memelilerinin örnekleri. Paraceratherium (ca. 37-23 Ma), Deinotherium (8,5-2,7 Ma) ve hala varlığını koruyan Afrika fili (Loxodonta africana). Şekildeki en uzun boylu tür ve gergedanların soyu tükenmiş bir akrabası olan Paraceratherium'un ağırlığı 15 tona varıyordu. Öte yandan, bir başka soyu tükenmiş tür olan Deinotherium'un ağırlığı 17 ton civarındaydı. Günümüzde yaşayan bir fil ancak 2 ila 5 ton ağırlığa ulaşabiliyor (şekil: Alison Boyer, Yale Üniversitesi).

Çalışma aynı zamanda, farklı jeolojik dönemlerin ortalama sıcaklıklarını ve her dönemde dünyadaki toplam kara alanını, o dönemde memelilerin azami vücut büyüklükleriyle karşılaştırdı. Örneğin canlılar büyüdükçe yüzey/hacim oranı küçülür; bu nedenle aşırı büyük memeliler sıcak ortamlarda, yüzeylerinden ısı kaybedemedikleri için zorluk çekebilirler. Araştırmacılar, hem ortalama sıcaklığın hem de toplam kara alanının, vücut büyüklüğünü etkilediğini tespit ettiler.

Bu çalışma, dev memelilerin evrimini güdüleyen etkenin, dinozorların boşalttığı ekolojik alanların hızla doldurulması olduğuna işaret ediyor. Devleşme eğiliminin yaklaşık 25 milyon yıl önce durmasını ise, birkaç tonluk dev memelilerin iç (fizyolojik) ve dış (ekolojik) sınırlara dayanmış olmalarıyla açıklayabiliyoruz.

Bahsi birkaç tonluk dev memelilerin bir kısmının, örneğin dev tembel hayvanın, son birkaç onbin yıl içinde avcı-toplayıcı insan gruplarının elinde yok olmuş olması ise ilginç bir ayrıntı. Dev memelilerin yaşam alanları, alet kullanan, hızlı üreyen ve yayılmacı bir türün etkisi altında yeniden kısıtlanmış görünüyor.

Hazırlayan: Mehmet Somel

fotoğraf www.bio.miami.edu'dan

Hidrotermal menfezler, okyanusların hiç güneş ışığının erişemediği derinliklerindeki “baca”lar. Bu bacalar, topraktaki yarıktan içeri girip magma ile karşılaşınca çok ısınarak geri fışkıran suyun (sıcaklığı 300 santigrattan bile yüksek olabiliyor), dışarıda neredeyse donma noktasında olan soğuk su ile karşılaşınca içinde çözülmüş mineralleri çökeltmesi ile oluşuyor. Menfezler, tektonik levhaların birbirinden ayrılmakta olduğu okyanus şeritlerinde oluşuyor. Hidrotermal menfezin yarattığı kimyasal enerji bakımından zengin bu ortam, inanılmaz çeşitlilikte ve bollukta canlı türüne yaşam alanı sağlıyor.

Wikipedia'dan

Hidrotermal menfezler (ve derin denizlerde yaşayan acayip canlı türleri) hakkında, TED‘in düzenlediği konferanslar sırasında yapılan iki harika konuşmayı izleyerek daha çok bilgi edinebilirsiniz. Konuşmaların Türkçe altyazısı mevcut:

İlk konuşma: David Gallo – Okyanusun derinliklerindeki hayata dair
David Gallo bizi, denizaltılar tarafından çekilen renkli videolar aracılığıyla Dünya’nın en karanlık, en vahşi, zehirli ve muhteşem yaşam alanlarına, yaşamın çok acayip, çok esnek ve şaşırtıcı derecede bereketli olduğu okyanus derinliklerindeki vadilere ve volkanik şeritlere götürüyor.

İkinci konuşma: Mike deGruy: Ahtapotun kancasında

Sualtı film yapımcısı Mike deGruy okyanusu on yıllardır yakından inceliyor. Çok iyi bir hatip olan deGruy, gezegenimizin mavi kalbine dair hayranlığını, heyecanını — ve korkularını — paylaşmak için Mavi Görev’de sahneye çıkıyor.

İyi seyirler…

Hazırlayan: B. Duygu Özpolat

(Not: İlk paragraf Evrimi Anlamak’tan).

Bu yazı kendisi aynı zamanda bir Evrim Çalışkanı olan Can Holyavkin tarafından, Biyo RSS Blogu için kaleme alınmıştı. Eş zamanlı olarak yazıyı buradan yayınlıyor, Can’a teşekkür ediyoruz.

Bir süre önce internette rastladığım ilkel bir evrim simülasyonunu sizinle burada paylaşmıştım. Bu sefer tanıtımını yapacağım simülasyon ise bambaşka.

Evrim teorisi içinde ne varsa bu simülasyonda da var. Rasgele mutasyonlar, Doğal Seçilim, Rasgele Besin Dağılımı, Eş seçimi ve Evrim geçiren küçük canlılar. Diğer adıyla swimbot’lar.

Bu tanıtıma konu olan bu simülasyon, Jeffrey Ventrella adındaki bir programcının 2004’te yazdığı “Darwin Pond” adındaki ufak  program ile hayatına başladı.

Bu programın amacı basitti: Hayatı oluşturan basit öğeleri (yemek, çiftleşme vs) bilgisayar ortamında simüle etmek. 2005’te son güncellemesi yapılan program, adı “Gene Pool” olarak değiştirilip, içerik ve görsel açıdan geliştirilerek tekrar yayınlandı.

Peki “Gene Pool” nedir?

“Gene Pool”, yüzlerce sanal organizmanın, yüzme yeteneklerine göre evrildikleri bir bilgisayar programıdır. Bu küçük organizmalar “swimbot” olarak adlandırılıyor.

Swimbot’lar normal canlıların gerçekleştirdiği temel davranışları gerçekleştirebiliyor. Örneğin, diğer canlılar gibi çiftleşebiliyor, yemek yiyebiliyor, hareket edebiliyor ve ölebiliyorlar.

Ve tüm bunların gerçekleşmesinde önemli rolü bulunan “doğayı”, siz kontrol edebiliyorsunuz. Mesela, çiftleşme sırasında dikkate alınacak kriterleri siz belirleyebiliyorsunuz. Örneğin, “benzer renktekiler çiftleşsin” dediğiniz zaman, bir süre sonra, popülasyonda sadece belirli renklerin kaldığını görüyorsunuz. Öte yandan, “her birey kendinden daha büyük bir bireyle çiftleşmeye eğimli olsun” dediğiniz de, bir süre sonra dev yüzücüler ortaya çıkmaya başlıyor.

Çiftleşen bireylerin çocukları da, ebeveynlerin özelliklerinin karışımını alıyor. Burada tüm karakterlerin eşit baskınlıkta olduğu varsayılıyor. Genler, ebeveynlerden yavrulara rasgele geçiyor.

Swimbot’ların diğer bir ihtiyacı da yemek yemek. Yemekler, doğal ortamda bulunduğu gibi, rasgele yerlerde ortaya çıkabiliyor. Yiyeceklerin tekrar oluşma hızlarını ve ne kadar alana yayılacaklarını ayarlayabiliyorsunuz.  (Böylece, mesela yiyeceğin kısıtlı olduğu bir ortamda swimbotların nasıl evrildiğini test edebilirsiniz.) Programla gelen diğer harika bir özellik de, zamana bağlı olarak yemek ve popülasyon arasındaki ilişkiyi görebilmenizi sağlayan bir tablo bulunması.

Swimbot’ların belli bir enerjisi var. Bu enerji, gösterdikleri yüzüş şekli ile orantılı şekilde azalıyor. Besin aldıkça tekrar yükseliyor. Dolayısı ile etkili yüzüş gösteremeyip, besine ulaşamayan “başarısız” bireyler gen havuzundan siliniyor.

Havuzunun içinde çoğu zaman yüz kadar swimbot olabiliyor. Bunların bazıları çok hoşunuza giderse, onları hareket ettirip besine kolay yoldan ulaşmalarını sağlayabiliyorsunuz. (Doğa da bazen adil olmayabilir! Ya da bunun “yapay seçilim” olduğunu varsayabiliriz.) Bu favori swimbot’larınızı kaydedip ileride yeni bir havuzda da yer almalarını sağlayabiliyorsunuz.

Programı ücretsiz olarak indirip kurabilmeniz mümkün. Mac ve Windows için ayrı ayrı sürümleri mevcut. 314 kb’lık boyutu ile bilgisayarda da oldukça ufak bir yer kaplıyor.

Windows Kurulum Dosyası / Mac Kurulum Dosyası

Programın nasıl çalıştığı, temelleri, swimbot’ların gerçekleştirdiği hareketlerin neye dayandırıldığı, çiftleşme kriterlerinin ayrıntıları gibi bilgilere ve daha fazlasına, programın yaratıcısı Jeffrey Ventrella tarafından yazılan kitapçıktan ulaşabilirsiniz.

GenePool: Exploring The Interaction Between Natural Selection and Sexual Selection

Bu çalışma Sabancı Üniversitesi Görsel Sanatlar ve Görsel İletişim Tasarımı bölümünde yüksek lisans öğrencisi ve öğretim asistanı olan Deniz Cem Önduygu‘ya ait. Cem evrimsel tasarım üzerine araştırma yapıyor.

1) Araştırma Görevlisi Kahraman İpekdal’ın “Mikroevrim” konulu konuşması:

Kahraman’ın bu konuşmasında bahsettiği konular hakkında biraz daha bilgi edinmek isterseniz Evrimi Anlamak‘taki şu yazılara göz atabilirsiniz:

Mikroevrim hakkında temel bilgiler.

Genetik çeşitliliğin sığınakları. (YENİ BÖLÜM!)

2) Prof. Dr. Şevket Ruacan’ın “Kanser ve bağışıklık sisteminin evrimi” konulu konuşması:

Prof. Dr. Şevket Ruacan’ın bu konuşmasında bahsettiği konuda biraz daha bilgi edinmek isterseniz Evrimi Anlamak‘taki şu yazıya göz atabilirsiniz:

Kansere evrimin merceğinden bakış. (YENİ BÖLÜM!)

Keyifli seyirler ve okumalar.

Evrim Çalışkanları

Bu kez bir başka Evrim Çalışkanı tarafından hazırlanan Dilin Evrimi yazısı ile karşınızdayız. Aşağıdaki yazının sahibi İsa Kerem Bayırlı halen ODTÜ İngilizce Öğretmenliği bölümünde okumakta olan genç bir arkadaşımız. Dilin evrimi ile özellikle ilgilendiğini belirttiğinde ondan blog için bu konuda bir yazı yazmasını istemiştik. O kadar kapsamlı ve güzel bir yazı ortaya çıkardı ki, bu yazının aynı zamanda Yapı Kredi Yayınları’nın düşünce dergisi Cogito’nun evrim kuramına ayırdığı Kış 2009 sayısında da yer almasının uygun olacağına karar verdik. Yazının uzunluğu dolayısıyla ilk bölümünü blogdan yayınlıyoruz. Kalanına yazının sonundaki bağlantı adresine tıklayarak Evrimi Anlamak sitesinden veya Cogito’nun Kış 2009 sayısını edinerek ulaşabilirsiniz.

DİLİN EVRİMİ

1- Giriş

Konuya dilin evrimini inceleyen hemen her kitabın başladığı gibi başlamakta bir kusur yok. Dilin evrimi temelsiz spekülasyonlara o kadar açık bir konudur ki, 1886’da Paris Dilbilimleri Topluluğu bu konuda daha fazla makale kabul etmeyeceğini belirtmiştir. Daha sonra 1950’lerde Chomsky ile birlikte dilbiliminde yaşanan büyük dönüşüm dilbilimcilerin dikkatlerini sözdizim yapılarına ve bu yapıları üreten mekanizmanın nasıl açıklanacağına çeker. 1990 yılında Pinker ve Bloom tarafından yazılan “Natural Language and Natural Selection” (Doğal Dil ve Doğal Seçilim) başlıklı makale ile cin şişeden çıkar ve dilin evrimi o günden bugüne tekrar hararetli tartışmalara sahne olur.

Bu yazının birkaç temel amacı var. Dilin evrimi konusunun Türkiye’de ne kadar tartışıldığını bilmiyorum, ama basit bir “Google” araştırması konuyla ilgili yayınların (1) en yakın referansı 1983 yılından olan bir makale (2) Bilim Teknik dergisi için hazırlanmış birkaç TÜBİTAK çevirisi ve (3) Corballis’in Türkçeye çevrilen bir kitabı olduğunu gösteriyor. Aynı arama 4. sıradan başlayarak Türkiye’de bilim ve evrim karşıtı grupların dilin neden evrilmiş olamayacağı ile ilgili temelsiz iddialarının internetteki bilgi ağını doldurduğunu gösteriyor. Bu yazıyı, güncel tartışmalar ışığında yakın zamanda yayınlanan makalelerin ve kitapların referans alındığı bir yazı olarak tasarladım. Dilbilim alanında ve diğer alanlarda çalışma yapanların konuya giriş olarak okuyabilecekleri bir yazı olmasını amaçlıyorum. Aynı zamanda, dilin evrimini incelemenin neden “dışarıdan göründüğünden” daha zor olduğunu ve dilbilimcilerin bu konuya neden acilen el atması gerektiğini göstermek istiyorum.

Bir dilbilimci adayı olarak dilin evrimi hakkında yazarken dilbilim alanından elde ettiğim bilgilerin aklıma takılan soruları ve beğenip/beğenmediğim yanıtları etkilediğini biliyorum. Ama bunun bir kusur olduğunu sanmıyorum. Bu konuda Bickerton’la ortaklaşıyorum. Dilbilimcilerin bu konuda bıraktıkları büyük boşluk, dilbiliminde son 50 yılda gerçekleşen büyük değişimleri yüzeysel olarak bilen başka alanlardan bilim insanlarının bu değişimleri göz ardı etmesine yol açıyor. Dilbilimde, ileride ele alacağımız, büyük değişimle ilgili tartışmalara “Bunu doğal seçilim yoluyla açıklamak mümkün değil” diyerek burun kıvıran pek çok bilimci, sanıyorum, büyük yanlış yapıyor. Ama suçu biraz da, bir benzetme yaparsak, bütün üniversite öğrencilerine açık bir “Dilin Evrimi” dersinde başka alanlardan pek çok insan son derece üretken bir tartışma yaparken en arka sıraya geçip gelecek hafta yapılacak olan dilbilim dersi sınavına çalışmayı yeğleyen dilbilim öğrencilerinde aramak gerekiyor.

Yazının tamamı için buraya tıklayın.

İnsan algısının ve hayal gücünün daraldığı bir çok noktadan üç tanesinin temelinde şunların yattığını düşünüyorum:

1. 1. 1. Sınırlı paralel düşünme kabiliyeti (ve dolayısıyla paralel süreçlerin gücünü kestirmenin zorluğu).
   2. 2. Rasgeleliğin küçümsenmesi (ve dolayısıyla her makul sonucun arkasında bilincin aranması eğilimi).
   3. 3. Karmaşık tasarımların basit süreçlerin bir sonucu olamayacağı düşüncesi.

Tartışılabilecek onlarca dar boğazdan bu üç taneyi seçmemin sebebi üçünün de, evrim kuramının biyolojik çeşitliliği açıklamak için ortaya koyduğu mekanizmanın çok temel bileşenleri olması. Dolayısıyla bu üç algı pürüzü bir anlamda insanların evrim kuramının gücünü anlayabilmelerini de zorlaştırıyor.

Bu üç tanenin bir diğer ortak noktası ise bilgisayar bilimleri alanında faaliyet gösteren kimselerin, karşılaştıkları klasik problemler ve onların çözümleri sayesinde daha kariyerlerinin başlangıcında kendilerini bu engellerden azat eden bir vizyona kavuşmaları. Belki biraz da bu avantaj yüzünden bilgisayar bilimleri, evrim kuramını anlama ve ondan en etkin şekilde yararlanma noktasında biyolojinin hemen arkasında.

Birisi evrim kuramının beni ilgilendiren kısmını ifade etmemi istese şöyle derdim: “evrim kuramına göre tanık olduğumuz biyolojik çeşitlilik, basit süreçlerin paralel şekilde işlemesi esnasında rasgeleliğin çeşitli noktalarda devreye girmesi ve ortam koşullarının dayattığı uygunluk kriterlerinin bir denge oluşturması ile ortaya çıkmış“. Daha soyut, daha az kaba ve evrim kuramını bilgisayar bilimleri içerisinde de yer edinebilir şekilde yeniden ifade etmeye çalışacak olsam ise şöyle derdim: “her bir canlı türü dünya probleminin olası çözüm uzayından evrim kuramı tarafından bulunup çıkarılmış optimum çözümlerdir“. Bu yaklaşımım şüphesiz evrim kuramını bilgisayar ortamında doğru tanımlanmış problemlerin çözümü için kullanılabilir bir kıvama getirirdi.

Peki gerçekten “basit süreçler“, “paralel işleme” ve “rasgelelik” seçilimin diktatörlüğü altında harmanlandığında ortaya dahiyane şeyler neredeyse kendiliğinden çıkabilir mi?

Problemleri ardışık adımlarla çözme alışkanlığımız paralel çözümleri tezahür etmekte güçlük çekmemize sebep oluyor. Sınırlı paralel düşünme kabiliyetinin, yanıtı aslında çok basit olan bir soruyu nasıl bir bulmaca haline getirebildiğine dair örnek olarak klasik bir problem olan “nehri geçmeye çalışan yamyam ve misyonerler” verilebilir. Soru şöyle: 3 yamyam ve 3 misyoner bir nehri geçmek zorundadır. Bunu yaparken her seferinde yalnız iki kişi taşıyabilen bir sandal kullanmaları gereklidir. Ayrıca sandalı her turda bir kişi geri getirmelidir. Herhangi bir kıyıda yamyamların sayısı misyonerlerin sayısından daha fazla olursa yamyamlar misyonerleri yemektedir. Dolayısıyla karşıya geçiş işlemi öyle bir düzen ile tasarlanmalıdır ki misyonerler ve yamyamlar -kimse birbirini yemeden- karşı kıyıya geçebilsinler (bulmacanın bir benzetimini buldum, dilerseniz devam etmeden önce çözmeyi deneyebilirsiniz).

Bu problemin bilgisayar yoluyla çözümü çok basit. Eğer biz de olası karşıya geçiş düzenlerinin tamamını aynı anda düşünüp paralel şekilde işletebilseydik bu çözüm uzayı içerisinde herkesin sapasağlam karşıya geçtiği düzeni çok kısa sürede seçip çıkarabilirdik … ve muhtemelen dünya şampiyonu satranç ustası Garry Kasparov da IBM’in Deep Blue isimli bilgisayarına satrançta yenilmezdi. Hoş, Kasparov daha sonra yenilgiyi kabul etmemiş, IBM’in hile yaptığını, çünkü bilgisayarın kendisine karşı “derin bir zekâ ve yaratıcılık” ile oynadığını hissettiğini söylemişti… O zamanlar birileri Kasparov’un bu iddiasını, insanın yalnızca kendisine yakıştırdığı kurnazlık ve dehanın, tüm olasılıkların çok uzun adımlar boyunca denenip değerlendirilebildiği koşulda bir makine tarafından dahi taklit edilebilecek bir yetenekten ibaret olabileceği fikrine muhalefet etme arzusuyla ortaya çıkmış hüzünlü bir tepki olarak gördü mü, bilemiyorum.

(Fotoğraf, Louie Psihoyos / Corbis)

Aradan geçen 12 yılda bilgisayarların hesapsal kabiliyetlerindeki parabolik ivmeye bağlı olarak bazı şeylere şaşırmamayı öğrendik…

Satranç gibi kuralları ve çözümü çok belirgin olan bir oyun için uzun adımlar boyunca deneme ve değerlendirmeyi paralel şekilde yapabilmenin sunduğu avantajı görmek zor olmasa da evrim kuramının gücünü anlamak için bunu görmeyi başarmış olmak yeterli değil ne yazık ki. Çünkü satranç oyununun kuralları sayesinde “amaç” ve “kazanma durumu” belli olduğu için, paralel devam eden süreçlerden hangilerinin bu hedefe yakınsadığı kolayca kontrol edilebilir iken evrim, tamamen amaçsız. Buradan yola çıkarak “sonucun ne olması gerektiğini bilen bir mimarın olmadığı durumda paralel süreçlerin marifeti pek bir anlam ifade etmez” denebilir. Bu düşünce, kısmen doğru olsa da, mevzu evrim olduğunda mimarın potansiyelini abartırken rasgeleliliğin gücünü küçümseyen, insanca, fakat hatalı bir varsayımın sonucu.

Son söylediğim şeyin bir diğer telaffuzu ise bilincin olmadığı yerde rasgeleliğin makul sonuçlara vesile olabileceği.

Rasgeleliğin nelere kadir olabildiğine uzun yıllar boyunca bilgisayar grafikleri üzerine çalışmış olan Karl Sims’in 1990 yılında yaptığı ilham verici bir çalışmasından yola çıkarak yaklaşmak istiyorum. Sims, “Bilgisayar Grafikleri için Yapay Evrim” isimli çalışmasında Lisp programlama dilinde sembolik ifadelerin mutasyonu yolu ile iki boyutlu görüntüler oluşturan bir evrim benzetimi uygulaması hazırlamış. Öyle ki, Sims’in uygulamasının oluşturduğu resimlerin herhangi bir pikselindeki renk bilgisi bir takım eşitliklerle hesaplanıyor ve bu eşitliklerin kaynağı da standart Lisp fonksiyonları, vektör transformasyonları, yapısal gürültü (noise) üreticileri ve görüntü işleme fonksiyonları gibi dar bir ifade setine dayanıyor. Set içerisinde yer alan fonksiyonların her birisi son derece basit işler gerçekleştiriyorlar ve tek başlarına karmaşık işlevleri yok. Lisp biliyor olduğunuzu ya da aşağıdaki fonksiyonların her birinin ne iş yaptığını tam olarak anlayacağınızı varsayıyor değilim, fakat basitliklerine dair bir miktar da olsa fikir vereceğini tahmin ettiğim için fonksiyon listesine yer vermek istedim:

+, -, *, /, mod, round, min, max, abs, expt, log, and, or, xor, sin, cos, atan, if, dissolve, hsv-to-rgb, vector, transform-vector, bw-noise, color-noise, warped-bw-noise, warped-color-noise, blur, band-pass, grad-mag, grad-dir, bump, ifs, warped-ifs, warp-abs, warp-rel, warp-by-grad.

Bu listede yer alan her bir fonksiyon belirli sayıda parametre alıp bir x,y koordinatında yer alan piksel için renk bilgisi hesaplıyor.

Sims, bu ifadelerin ortaya çıkardığı görüntüleri insanlara 16 değişik monitörde gösteren bir sistem hazırlıyor. Arka planda çalışan uygulama ise izleyicilerin önünde daha çok vakit geçirdiği monitörlerdeki resimlerin daha çok tercih edildiği varsayımı ile, bu ilgi çeken resimlerin mesulü olan Lisp ifadelerini çiftleştirerek ve ortaya çıkan ifadeler üzerinde rasgele mutasyonlar ifa ederek yeni nesil ifadeler, dolayısıyla yeni nesil resimler oluşturuyor. İzleyicilerin ilgilenmediği resimleri ortaya çıkaran Lisp ifadeleri ise haliyle yavaş yavaş bu döngünün dışında kalıyor ve siliniyorlar. Bu süreç başta basit ve kısa olan ifadelerin adım adım daha karmaşık -ya da daha az karmaşık- hale gelmesini ve bir anlamda, hasbelkader orada bulunan ve bu görüntülere dair tercihleri yapan insanların hoşuna giden bir noktaya doğru evrilmesini sağlıyor.

Sims’in, 10 ila 40 nesil sonra ortaya çıkan görüntülere verdiği örneklerden birisi şu:

Bir diğer örnek de şu:

Daha önce bahsettiğim set dışında hiç bir fonksiyonun kullanılmadığı, tamamen rasgele mutasyonlar ile ortaya çıkmış olan ve yukarıdaki görüntüyü oluşturan Lisp ifadesi de şöyle:

(cos (round (atan (log (invert y) (+ (bump (+ (round x y) y) #(0.46 0.82 0.65) 0.02 #(0.1 0.06 0.1) #(0.99 0.06 0.41) 1.47 8.7 3.7) (color-grad (round (+ y y) (log (invert x) (+ (invert y) (round (+ y x) (bump (warped-ifs (round y y) y 0.08 0.06 7.4 1.65 6.1 0.54 3.1 0.26 0.73 15.8 5.7 8.9 0.49 7.2 15.6 0.98) #(0.46 0.82 0.65) 0.02 #(0.1 0.06 0.1) #(0.99 0.06 0.41) 0.83 8.7 2.6))))) 3.1 6.8 #(0.95 0.7 0.59) 0.57))) #(0.17 0.08 0.75) 0.37) (vector y 0.09 (cos (round y y)))))

Her bir nesilde rasgeleliğin her yöne gelişi güzel saldırması ile meydana çıkan görsel kaos, seçilimin rehberliğinde bilinçli gibi görünen bir süreci besliyor ve kural setini tanımlayan kişinin baştan öngörmediği –adeta bir tasarımcının elinden çıkmış gibi görünen- sonuçlar ortaya koyuyor. Tamamen teknik detay olarak gördüğüm için açıklamaya değer bulmadığım “çiftleşme“, “rasgele mutasyon” gibi adımları Sims’in bilgisayar programında nasıl gerçeklediğini merak ediyorsanız makalenin tamamına göz atabilirsiniz (http://www.karlsims.com/papers/siggraph91.html).

Sims’in çalışmasının güzel resimler dışında bana göre iki önemli sonucu daha var. Birincisi rasgeleliğin, “öngörülmeyenin” de denenmesi için yabana atılmaması gereken bir itki olduğu ve uzun vadede bilinç ile karıştırmaya yatkın olduğumuz makul sonuçları ortaya çıkarabileceği. İkincisi ise çok normal olan beklentilerimizin aksine, bir tasarımın karmaşık olmasının ne bu tasarımı ortaya çıkaran süreçlerin ne de bu süreçler içerisinde kullanılan araçların karmaşık olmasını gerektirmediği. Bu iki sonuç da evrim kuramının gücünü aslında nereden aldığına dair düşünmeye başlamak için ciddi ip uçları veriyor.

Peki evrim kuramı gerçekten problem çözme yeteneğine sahip mi? Pratikte gerçek hayat problemlerine uyarlanmışlığı var mı? Bu soruların yanıtları “görünen o ki, evet” ve “evet“. Yazının kalan kısmı bununla ilgili.

Mesleki birikiminin bir sonucu olarak hem paralel süreçler ile neler yapılabileceğini hem de basit kural setleri ile karmaşık sistemler ortaya çıkarılabildiğini pek iyi bilen bilgisayar bilimcilerinin, bilgisayarla problem çözme kabiliyetini bir üst seviyeye çıkarmak ümidiyle evrim kuramına ilgi duymaya başlamaları çok fazla sürmemiş. Evrim kuramının nimetlerinden yararlanan bu tekniklerin tümü, bilgisayar bilimlerinde Evrimsel Hesaplama başlığı altında 80′li yılların sonlarından itibaren artan bir ivme ile incelenmeye başlanmış ve halâ değişik problemlere adapte edilmeye çalışılıyor (erişiminiz varsa ve göz atmak isterseniz bu alandaki çalışmaların yayınlandığı bir çok bilimsel dergiden önde gelen iki tanesinden birisi MIT’den Evolutionary Computation, diğeri de IEEE’den Transactions on Evolutionary Computation).

Bilgisayar bilimlerinin çok uzun süredir değişmemiş olan temel gayesi “optimum çözümler bulan algoritmalar üretmek“. Daha az kaba hale getirmek için bu cümle “optimum çözümleri makul zamanda bulan algoritmalar üretmek“, daha da az kaba hale getirmek için “-yerel minimum/maksimumlarda takılmayan- global optimum çözümleri makul zamanda bulan algoritmalar üretmek” şeklinde revize edilebilir olsa da mevzunun özü “optimum” kelimesinde saklı. “Optimum” denen şeyi bulmanın çok fazla parametre, çok fazla boyut olduğu durumda ne kadar güç olabildiği konusunda yeterince dirsek çürütmüş bir bilgisayar insanının, evrim kuramının çizilen bir sınır içerisinde elde edilebilecek en mükemmel optimum çözümlerin bulunabilmesi için ihtiva ettiği gerekli-yeterli dehayı kaçırması neredeyse mümkün değil. Evrim kuramı bilgisayar bilimleri penceresinden değerlendirildiği zaman, bence, son derece “sezgisel“, son derece “elbette” bir kuram. O kadar ki, eğer biyologlar bu kuramı ortaya atmış olmasalardı bilgisayar bilimleri karmaşık ve çeşitli problemlerin karmaşık olmayan araçlarla çözümü için yöntemler araştırırken benzer bir kuramı çoktan geliştirmiş olabilirdi.

Bilgisayar bilimlerinin Evrimsel Hesaplama’sı tarihi nedenler ve bir takım temel farklar nedeni ile kendi içerisinde evrimsel stratejiler, evrimsel programlama, genetik algoritmalar, genetik programlama gibi farklı dallara ayrılmış olsa da, ortaya çıkan uygulamalarının problem çözümündeki yaklaşımları birbirine benziyor. Hatta akışlarını şu şekilde genellemek mümkün:

Yukarıdaki akışın Sims’in çalışmasındaki adımlar ile örtüştüğünü görebildiğinizi tahmin ediyorum. Örneğin, Sims’in çalışmasındaki iki boyutlu görüntüler yukarıdaki akıştaki ‘birey’lere tekabül ediyor (burada meraklı biyolog için bir ayrıntı: iki boyutlu görüntüler fenotiplere, o görüntüleri oluşturan Lisp ifadeleri de genotiplere denk geliyor). Bir bireyin fit olma durumu görüntülerin karşısında vakit geçiren izleyiciler tarafından değerlendiriliyor, karşısında fazla vakit geçirilen bireylerin seçilim değeri yüksek olduğu varsayılıyor ve ebeveyn olarak seçiliyor, ilgi görmeyen görüntülerin ise seçilim değerinin düşük olduğu varsayılıyor ve P(i+1) popülasyonu üzerinde etkileri olmuyor, vesaire.

Bilgisayar bilimlerinin Evrimsel Hesaplama’dan destek alarak üstesinden geldiği pratik problemler arasında veri iletimini maksimuma çıkarmak için optik fiber mikro-tasarımı, optimum akustik özelliklere sahip konser salonu planlanması, süpersonik hava taşıtları için optimum kanat tasarımı, maksimum kapsama alanı için optimum uydu yörüngelerinin hesaplanması, elektrik geçirgenliği olan karbon temelli polimerlerin tasarlanması, elektrik üretimini maksimuma çıkaran optimum rüzgar değirmenlerinin tasarlanması, dizel motorların etkinliğinin arttırılması gibi enteresan çalışmalar var.

Örneğin Boeing firması, Boeing 777′nin motoru içindeki türbin geometrisinin nasıl olması gerektiğine dair hesaplamaları bir de evrimsel algoritmaya devretmeye karar vermiş ve sürecin sonunda elde ettikleri sonuç önceki tasarıma göre %1 yakıt tasarrufu sağlayan bir tasarım imiş (motor ve içindeki bileşenlerin performansını yükseltmek için çalışan mühendis ordusu düşünüldüğünde, eldeki tasarımın %1 yakıt tasarrufu sağlayacak şekilde güncellemenin ne kadar ciddi bir iyileştirme olduğunu tahmin edebilirsiniz). Boeing firması yeni nesil uçakların kanat tasarımlarını da evrimsel hesaplama metotlarına devretmiş.

Bendeniz de, -daha yakın, daha küçük bir örnek olarak- bir süredir destek vektör makineleri (support vector machines) ile moleküler sinyallerin sınıflandırılması için inşa ettiğim modelleri belirlerken kullandığım kernel parametrelerinin optimum değerlerini bulma işini evrimsel hesaplama metotları ile çözülebilecek bir probleme dönüştürmeye çalışıyor ve evrim kuramının nimetlerinden bu şekilde faydalanmaya hazırlanıyorum.

Evrimsel Hesaplama alanının ilgi çekici bir alan olmasının en önemli nedeni biraz da, Barış’ın geliştirdiği bir uygulamanın, verilen bir problemin çözümü için Barış’ın başka türlü bulmayı beklemediği etkinlikteki bir çözümü bulabilmesi olasılığı. Evrimsel Hesaplama şemsiyesi altındaki metotların bunu ne kadar başarılabildiği ziyadesiyle problem bağımlı olsa da, biyolojik çeşitlilik ve biyolojik sistemlerin optimumluğunu en mantıklı şekilde açıklayan evrim kuramının, bilgisayar bilimlerinin platonik “optimum” gayesine yanıt olmaya en çok yaklaşmış çözümleri sunduğu söylenebilir.

A. Murat Eren, New Orleans, ABD’de biyonanoteknoloji ve bilgisayar bilimleri alanında araştırma yapan bir doktora öğrencisi.

İletişim: a.murat.eren [at] gmail.com, web: http://meren.org