Veri biliminde sorun ve mücadele alanları

10 Temmuz 2025 18:20
Fuat Yücel Filizler

“Veri bilimi” ve matematik, mantık, epistemoloji, davranışçı ekonomi disiplinleri de nötr değildir; bu yüzden sosyalizmde bunların “özümsenerek aşılması”, yerlerine yeni ve daha gelişkin bilimsel, matematiksel, mantıksal, epistemolojik sistemlerinin geçirilebilmesi gerekir. Kapitalist piyasa ve kârın istatistik modellemeleri için matematik ile, gelişkin toplumsal ihtiyaçlar ve sosyalist planlama için matematik kuşkusuz birbirinden çok farklı olacaktır.

Veri analitiği, gündelik yaşamın akışındaki hemen her türlü davranış, işlem ve cihazdan toplanan verileri, gerçekliğin algoritmalarla manipüle edilen istatistik modellemeleri için matematiksel girdilere dönüştürerek, gerçekliği eksiltici anlama (episteme/içgörü) ve kontrol yöntemleri (teknik) üretir.

Veriler alemi terminolojisinde, kavramaya, açıklamaya dayanan bilimsel öngörünün yerini verilerden olasılık ve eğilim çıkarsamaya dayalı içgörü ya da tahmin alır. Hemen her şeyin verileştirilmesi ve sayısallaştırılması, geçici pragmatist istatistik modellemelerle tahmin edilmeye çalışılması, bilim ve bilgiden ne anlaşıldığı kadar, insanların biliş ve algı biçimlerini de dönüştürmeye başlamaktadır.

Popüler teknoloji dergisi Wired’ın baş editörü Anderson, şöyle yazmıştı:

Bu dünya devasa boyutlardaki verinin ve uygulamalı matematiğin, uygulamaya konulabilecek her türlü başka aracın yerini aldığı bir mecradır: Dilbilimden sosyolojiye insanın davranışı kuramlarının hepsinin dışında bir yerde. Taksonomiyi, ontolojiyi ve psikolojiyi unutun. İnsanların bir şeyi neden yaptıklarını kim bilir? Mesele bunu yapmış olmalarıdır ve bizler bu eşi benzeri görülmemiş, sınırsız alanın izini sürebilir ve onu ölçebiliriz. Yeteri kadar veriyle, sayılar kendi hikayelerini anlatırlar.

Verileştirme teknolojilerinin kapitalist kullanım biçiminde yaygın ve baskın olan bu ultra-pragmatist yaklaşım şu anlama geliyor: “Yeterli veri ve matematik modellemelerle, gerçek bilgiye, bilime, kurama ihtiyaç duymadan, kendinden-geçerli bir istatiksel dünya kurulabilir ve bu, gerçek dünyada olup biten her şeyin izlenmesi, ölçülmesi, kontrol edilmesi ve yönetilmesinde kullanılabilir.”

Veri analitiği, giderek gerçek bilgi, bilim ve kuramın bir kenara itildiği, insanların kararlarının nedenlerini açıklayamaz hale geldiği, bir tür veri temelli “içgörüler/tahminler” ve spekülasyonlar evrenine doğru evriliyor.

Enformasyon bilgi değildir

Türkçede enformasyon ile bilgi arasında ciddi bir kavram kargaşası var. Malumat (information) ile bilgi (knowledge) genelde anlamdaşmış gibi kullanılıyor, yani bilgi malumata indirgeniyor. Oysa malumat ile bilgi arasında nitel bir fark vardır. Malumat/enformasyon, kim, ne, nerede, ne zaman, ne kadar sorularına ilişkindir. Bilgi ise neden ve nasıl sorularına ilişkindir. Malumat, daha ziyade bellek, algı, tanıma, betimleme, kıyaslamaya ilişkindir. Bilginin daha dar, tekil, alt ve yüzeysel parçacıklarıdır. Bilgi ise gerçekliği nedensellik ve içsel hareket yasalarıyla birlikte daha bütünsel kavrama ve açıklama, dahası duygu/değer süreçlerini de içeren anlamlandırma yetilerine ilişkindir. Daha bütünlüklü, sistematik, içsel olarak ilişkili ve derindir. Bilgi ölçülemez. “Bilgi yarışması” denilen medya programlarında yarıştırılan bilgi değil, malumattır. Malumat/enformasyon, bilginin daha basit parçalara bölünmüş, hesaplanabilir ve ölçülebilir hale getirilmiş, yani soyutlaştırılmış biçimidir.

Daha çok malumat kendi başına bilgi anlamına gelmez; malumatın bilgiye dönüştürülmesi için, olgulara dair algı ve betimlemenin ötesinde neden ve nasıl sorularının sorulup yanıtlanabilmesi, iç ilişki ve hareket yasalarının kavranması, kavramlaştırılarak açıklanabilmesi gerekir. Gerçek bilgi edinmek ve bilgi üretmek için, tutarlı kuramlar, inceleme-araştırma-sınama için zaman ve çaba gerekir. Bilgi enformasyona/malumata indirgendiğinde, yalnızca kuram, araştırma, bunun için gerekli zihinsel ve pratik çaba bir yana bırakılmış olmakla kalmaz, gerçek bilgi edinme/üretme olanağı da ortadan kaldırılmış olur. Bilginin malumata indirgenmesi, toplumsal-maddi gerçeklere dair her türlü yanılsama, manipülasyon ve önyargıya da kapıları ağzına kadar açar. Bunun kapitalizmde aldığı biçim piyasa malumatının gerçek, tutarlı, bütünlüklü bilginin zeminini kaydırmasıdır.

Günümüz veri biliminin bir bilim olup olmadığı tartışması bir yana, verileştirme süreçleri bilgi üretmekten ziyade, veriden enformasyon/malumat çıkarımı düzleminde hareket etmektedir. Bilginin bütünsellik, evrensellik, açıklayıcılık, niteliksellik gibi karakteristikleri yerine, sayısallaştırılmış enformasyon biçimi olarak bir tür matematik “bilgimsilik” geçirilmektedir.

Kapitalizmde “veri bilimi” nicel, formal, soyuttur

Üstelik veri bilimi, tıpkı dayandığı matematik ve mantık gibi, toplum ve doğa bilimlerinden farklı olarak, formal ve soyut bir disiplindir. Bu, matematiksel/istatiksel dijital veri ve enformasyon sistemlerini de formal ve dahası, geçerlilikleri gerçek dünyadan çok, salt matematik/istatistik aksiyom, formül, denklem ve grafiklere bağlı, tarihsel-toplumsal bağlamlara kayıtsız, formalist sistemler haline getirir. 1970’lerden itibaren formalizmin (teknik ve biçimin içeriğe üstün tutulması) iktisat, siyaset, eğitim, sanat dahil her alanda hakim hale gelmesi, neoliberalizmin, post-modernizmin, pragmatizmin ve metodolojik bireyciliğin yükselmesinden bağımsız değildi. Ekonometri bunun bir uç örneğiydi. Ki bugün ekonometri ile makine öğrenmesi birbirine bağlanmakla kalmıyor, dijital veri ve enformasyon sistemleri ile bilgi, bir bütün olarak (içeriğe, gerçekliğe, bütünselliğe, açıklayıcılığa, temellendirmeye, kanıtlanmaya kayıtsızlaştırılarak) formalistleştiriliyor. Ekonometride iktisadi ilişki ve süreçlerin birçok alanı formalleştirilemediği için anaakım neoklasik iktisadın ilgi alanı dışına atılması gibi, dijital veri/enformasyon sistemlerinde niteliksel bilgi alanları formalleştirilemediği için yok sayılıyor, bastırılıyor.

Ekonometri, günümüz kapitalist veri analitiğinin sorunları açısından gerçekten iyi bir örnek oluşturuyor. Matematiksel formal iktisat ve ekonometri ile yoğrulan iktisatçıların ekonominin en temel ve basit yönlerini bile anlayamaz hale gelmesi ve hiçbir şey anlamadan faiz, döviz, enflasyon, borsa vb. üzerinden yaptıkları gösterişli teknik analizler gibi; matematiksel formal veri bilimi ve parametrik analizler de, toplumsal ilişki ve süreçlerin en temel ve gerçek yönlerini bile açıklamadan ve anlamadan yapılan teknik, formalist, niceliksel analizlerle, toplumun parametreleştirilmesine yol açıyor.

Sayısal enformasyon bilginin meta ve sermayeye dönüştürülmüş/indirgenmiş biçimidir

Emeğin soyutlanması nasıl ki emek süreçlerinin daha basit parçalarına ayrıştırılması, standartlaştırılması, nicel olarak soyut zaman birimleriyle artı-değer üretmek üzere ölçülebilir hale getirilmesi, tek kelimeyle meta formuna dönüştürülmesi ise, bilginin (ve zihinsel emeğin) soyutlanması da, parçalanması, standartlaştırılması, ölçülebilir, hesaplanabilir ve aktarılabilir hale getirilerek, soyut biçimsel enformatiğe indirgenmesidir. Bu açıdan enformatik, bilginin eksiltilerek, ölçülebilir, hesaplanabilir ve dolayısıyla meta formuna dönüştürülebilir halidir.

Dijital veri analitiği sistemlerinde, bilginin matematiksel/istatistiksel enformasyona indirgenmiş formal, niceliksel, soyut biçimiyle, içeriksel, niteliksel, somut gerçek toplumsal ilişkiler temeli arasındaki çelişki; birincisinin ikincisini bastırması ve dıştalaması, aslında günümüzde bilginin dev çaplı toplumsallaşma niteliği ile kapitalist özel biçimi arasındaki çelişkiye denk düşüyor. “Her şeyin verileştirilmesi” bir yanıyla kapitalizmin temelindeki bu özsel çelişkiden her şeyi daha fazla nicelleştirerek, soyutlaştırarak ve biçimselleştirerek, böylece sermayeyi daha fazla akışkanlaştırarak kaçma çabasıyken, bu çelişki veri analitiğine de içerili hale gelerek, aslında daha fazla genelleşmiş ve derinleşmiş oluyor.

“Bilgi çağı” denilen, bilginin matematik/istatistik enformasyona indirgenmiş haliyle patlama yaptığı, ama nitel karakteriyle alabildiğine güdükleştirildiği, bir bilgisizlik çağına dönüşüyor.

Hesaplamalı Düşünme

Bu durum, bilgisayarların insan gibi öğrenmesi ve düşünmesinden ziyade, insan öğrenmesi ve düşünmesinin bilgisayar algoritma ve modellemelerine indirgenmesine yol açıyor.

Üniversite mühendislik fakültesinin ilk yılında girdiğim ilk bilgisayar programlama dersinde, hocanın ilk sözü şu olmuştu: “Çocuklar, bilgisayar programlamayı öğrenebilmeniz için, bilgisayar gibi düşünmeyi öğrenmeniz gerekir.”

Bugün “bilgisayar gibi düşünme” dersleri ortaokullara kadar girmiş durumda. Hesaplamalı Düşünme (Calculative Thinking), Türkiye’de önce 2013’te ortaokul dersi hale getirildi, 2017’den itibaren ise ortaokullarda kredi ağırlığı artan ana ders statüsüne yükseltildi. Hesaplamalı Düşünme dersinde, ekonomik, toplumsal, ekolojik her konudaki problemleri bilgisayarla çözülebilecekmiş gibi formüle etme, verileri düzenleyip analiz etme, istatistik modellemelerle soyutlama, algoritmik düşünme yoluyla çözümleri otomotikleştirme vb. öğretiliyor. Hesaplamalı Düşünme, bugün yalnız eğitimin değil her türlü akademik inceleme araştırmanın, sosyal bilimlerin de merkezine yerleşiyor.

Hesaplamalı Düşünme, daha tanımı itibarıyla bile, bilimsel düşünme, bütünsel düşünme, diyalektik düşünme, eleştirel düşünmeyi yadsır.

Hesaplamalı Düşünme, bir tür şematik düşünme taylorizmidir: Karmaşık problemleri daha basit parçalarına ayrıştırma, veri kümeleri içinde örüntü tanıma (açıklayıcılık yerine korelasyon), soyutlama (ki bunun bilimsel-diyalektik soyutlama ile ilgisi yok, ele aldığı problemi bilgisayara göre yeniden formüle edenin gerçek problem evrenindeki işine gelmeyen öğeleri ayıklayıp bir kenara bıraktığı, bilgisayar modellemelerindeki tipik “eksiltilmiş gerçeklik” uygulamasının benzeridir), algoritmik tasarım (bilgisayar çözümünün adımlar halinde şematize edilerek otomatikleştirilmesi) gibi bileşenleriyle, kelimenin tam anlamıyla, insanın sorunları kavrayış ve çözüm üretme yetisini alabildiğine eksiltiyor ve kısıtlıyor, teknisistleştiriyor, şematize ve taylorize ediyor, yapay zeka gibi örüntü tanımaya indirgiyor.

Günümüz kapitalizmin artık yalnızca bilgisayar bilimleri uzmanları için değil, herkes ve her türlü işgücü için bir ana yetkinlik zorunluluğu olarak tanımladığı Hesaplamalı Düşünme, burjuva teknisist düşünmenin bir uç biçimidir.

Algoritmik önyargılar sorun da verilerin kendileri sorunsuz mu?

Verileştirme konusunda, solda bile genellikle yalnızca verilerin sayısallaştırılması, algoritmalar sorun olarak görülürken, verilerin kendisi nesnel veya nötr kabul edilebiliyor. Oysa eleştirel veri çalışmalarının da yeterince gösterdiği gibi, kapitalizmde veriler de nesnel değil ve çok sorunludur. Çünkü veri derlemeleri, verinin oluşturulması, dolaşımı ve dağıtımını kuran ve çerçevelendiren teknolojik, politik, sosyal ve ekonomik aygıt ve ilişkiler tarafından şekillendirilir. Örneğin üretim ve emek süreçlerini “optimize etmek” için onca dijital veri altyapısı oluşturulurken, işyerlerinde işçi sağlığı ve güvenliğine dair veri altyapılarının istisnai olması yeterli fikri verir.

Veriler öylesine kendinden menkul ve nötr olarak var olan ve edilgen biçimde toplanan şeyler değil, belli toplumsal ilişkiler içinde; kapitalist üretim, mülkiyet ve güç ilişkileri dolayında oluşturulan/üretilen şeylerdir. Verilerin mevcut kapitalist toplumsal ilişki ve işleyiş ortam ve süreçlerinden toplanması bile, onları daha en başından itibaren egemen sınıf, cins, ırk ve piyasa yörüngesinde şekillendirir.

Ancak veri, aynı zamanda üretilen bir şeydir. Bir fabrikada dijital MES (üretim yönetimi sistemi) kapsamında her gün her saat makinelerin etkinliği, arızaları, vb. üzerine standart formları dolduran bir işçi MES’in daha etkin işlemesi için sermayeye veri üretiyordur. Bir hastanede her hasta için ve hastaya uygulanan işlemler ve ölçümler için kayıt formu dolduran kayıt hemşiresi, kapitalist hastane işletmesi algoritmalarına veri üretiyordur. Her işgünü sonunda o gün hangi yazılım işlerini hangi araçlarla nasıl yaptığı, hangi sorunlarla karşılıp bunları nasıl çözüp çözemediği, iş süreçlerinde neyi nasıl yapmayı düşündüğüne dair standart yazılı ya da sözlü rapor vermek zorunda kalan bir yazılım geliştirme işçisi sermayeye veri üretiyordur. Yaptığı her teslimattan sonra o işe dair verileri cep telefonundaki aplikasyona girmek zorunda olan moto-kurye işçisi, e-ticaret platformu şirketine veri üretiyordur. Kendi yaptıkları, gözlemledikleri işler veya müşteriler hakkında durmaksızın formlar doldurmak, raporlar vermek zorunda olan işçilerin hepsi sermayeye veri üretiyordur. Bu formlar, raporlar, anketler, işçilerin işinin işgünü içindeki bir parçası olabilir, mesai saati dışında işçilere yaptırılan bir angarya olabilir ve hatta kayıt hemşirelerinde olduğu gibi işin kendisi bu olabilir. Bu tarzda üretilen veriler ister şirket faaliyetlerini “optimize etmek”te kullanılsın, isterse şirket tarafından başka şirketlere satılsın, artı-değer içerir.

İşçiler hiçbir form doldurmak, rapor vermek, veri girmek zorunda olmadıkları durumda bile, işçilerin emek sürecindeki her hareketini, sözünü, iletişimi takip, kayıt ve analiz eden algoritmik kontrol araçları varsa, işçiler yine sermayeye veri üretiyordur. Bu durumda, işçilerin kendilerinden toplanan bu veriler için ayrıca emek harcaması gerekmiyor gibi göründüğünden, yani algoritmalar işçilerin beden ve zihinlerini bir nevi “veri madeni” gibi kullanarak bu verileri otomatik olarak topladığı için, bu tarz verilerde değer üretiminin olup olmadığı oldukça tartışmalıdır. Batı ülkelerinde bazı sendikalar ve muhalif çevreler, işçilerden algoritmik olarak toplanan bu tür verilerin de değer üretimi kapsamında olduğunu, bu yüzden bu veriler için işçilere ek ücret ödenmesi gerektiğini ileri sürerler ve bunun için kampanyalar yürütürler. Bizim için esas olan, işçiler üzerinde algoritmik kontrolün kaldırılması veya sınırlandırılmasıdır. Bu sağlanamıyorsa, işçilerden toplanan veriler için ek ücret talebine bir itirazımız olmaz, çünkü bu veriler yine işçilerin çalışma yoğunluğunu, sömürülmesini ve disiplinini artırmak için kullanılmaktadır. Ancak bunun despotik algoritmik emek kontrolünü işçilerin gözünde meşrulaştırmasına ve işçilerin ücret artışı için “öz-veri” pazarlayıcısı haline getirmesi tehlikesine karşı kırmızı çizgileri net çizmek gerekir.

Sosyo-metrik verilerde önyargı

Makine öğrenimi işlenmiş verilerle gerçekleştirilen yapay zekanın aktüel kullanımında ham verilerle iş görmesi, algoritmik hataların başlıca nedenlerinden biridir. Ancak sorun yalnız algoritmalarda değil, bu algoritmaları besleyen verilerdedir. Çünkü tüm sosyal veriler algoritmaların kopyaladığı önyargılar içerir. Örneğin sosyo-metrik verileştirmeler üzerinden işleyen algoritmalar, bu verilerin taşıdığı ırk, cinsiyet gibi eşitsizlikleri de doğrudan “veri kabul ederek” işler ve gelecek tahminlerini de buna göre düzenler. Algoritmalara dayalı ekonomik, sosyal, siyasal karar ve politikalar da bu eşitsizlikleri daha da derinleştirir. Algoritmalardaki sınıf, ırk, cinsiyet önyargıları, algoritmalarda yapılacak birtakım biçimsel “etik, hukuki” düzenlemelerle ortadan kaldırılamaz. Çünkü algoritmik önyargı sosyo-metrik verilerden başlayan yapısal bir sorundur.

Tipik bir sorun da, algoritmaların geçmiş verilerin ortalamasından çıkarsama yapmasının doğurduğu yanlışlar. Toplumsal verilerin ortalamasını alma mantığı, baskın olanın altında görünene ya da özgül olana karşı otomatik ayrımcılık anlamına gelir. Tipik bir örnek yapay zekanın, yakın zamana kadar sol elle yazı yazma görseli oluşturamamasıydı. ‘Sol elle yazı yazan görseli oluştur’ komutu aldığında, veri kaynaklarında sol el kullanımlı görsel çok sınırlı olduğundan, sağ elle yazı yazan görseli oluşturması; bunun yanlış olduğu belirtilip sol elle yazı yazan görseli komutu tekrarlandığında ise sol elle kalem tutma görseli oluşturmayı becerememesi. Bu basit örnek, algoritmaların sayısız toplumsal ilişki ve sürece dair veri toplama, karar ve tahminlerindeki toplumsal eşitsizliği derinleştiren sorunların endişe verici yığılımına ışık tutar. Solaklar veya şiveli konuşanlar gibi örneklerde, bu kesimlere dair daha çok sayıda veri oluşturup makine öğrenmesinde kullanılmasıyla bu sorunlar kısmen giderilmiş gibi görünebilir, ancak bu algoritmik eşitsizlikler sorunu bir bütün olarak bu şekilde ortadan kaldırılamayacağı gibi derinleşmeye devam eder. Çünkü algoritmik eşitsizliklerin temelinde yatan da ve veri ve algoritmaları da çerçevelendiren de toplumsal sömürü, güç ve eşitsizlik ilişkileridir.

Toplumun parametreleştirilmesi

Veri ve algoritmalarda bir diğer kritik sorun toplumun parametreleştirilmesidir. Toplumun parametreleştirilmesi, karmaşık toplumsal ilişkiler sistemini seçilmiş az sayıda ölçülebilir girdiye (parametrelere) bağlı biçimde analiz ederek enformatik “içgörüler”de bulunma ve kontrol etme yöntemidir. Buna göre genel olarak toplumun veya belli toplumsal kesimlerin belli bir kesitteki durum ve davranış biçimleri (demografik yapı, gelir ve eğitim düzeyleri, işsizlik oranları, ekonomik, siyasal ve kültürel eğilimler vb) matematik modellemeler ve istatistik analizlerde parametre (ölçülebilir girdi) olarak kullanılarak, diğer değişkenler buna bağlı olarak ölçülmeye, tahmin ve kontrol edilmeye çalışılır. Örneğin, işsizlik oranı şu kadar arttığında, buna bağlı olarak suç oranları artışları şöyle bir eğri gösterir veya tüketici kredisi faizleri şöyle değiştiğinde filanca ürün gruplarındaki tüketici davranışları da böyle değişir ya da sosyal medya şirketi algoritmalarının etkileşim oranları gibi parametrelere dayanarak içerik önermesi ve reklam koyması gibi. Yapay zeka algoritmaları belirlenmiş parametrelere dayanarak çeşitli değişkenler konusunda varsayımlarda bulunur, kapitalist şirket ve devletler de bu parametrik içgörülere dayanarak politika üretir.

Toplumun parametreleştirilmesi, ilişki ve süreçlere ilişkin verileri, en başta niteliksel, tarihsel, sınıfsal, üretim ve güç ilişkilerine dair bağlamlarından soyutlayarak, ölçülebilir görüngüsel değişkenlere ve matematik/istatistik denklemlerine indirgemesiyle sorunludur. Parametrik modellemeler gerçekliğin yalnızca çok sınırlı, yüzeysel ve vulgarize edilmiş görüngülerine ilişkin iken, parametrelere dayalı karar ve politikalar, kapitalist sömürü, güç ve eşitsizlik ilişkilerini realize etmek ve derinleştirmekten öteye geçmez. Parametrik modeller, toplumsal süreç ve ilişkilere dair alternatif, muhalif, bilimsel açıklama ve önermeleri en baştan yok sayar ve görünmezleştirir. İnsanların belli parça-davranış biçimleriyle tanımsız ve boyutsuz “veri noktaları” haline getirilmesi, sonra da bu veri noktalarının belli parametrelerle tanımlı hale getirildiğinin (enformatik içgörü!) varsayılması, koşullandırılması ve manipüle edilmesinden başka bir şey değildir. Sorun yalnızca sayısallaştırmada değil, parametrelerin kimler tarafından, kimler için, neye göre, nasıl belirlendiği ve kullanıldığındadır. Bu parametrik modellemelerdeki “veri noktaları”na indirgenen kitlelerin bu parametrelerin neye göre nasıl oluşturulduğuna dair bir bilgisinin, söz ve kontrol hakkının olmamasıdır. Sonuç itibarıyla toplumun parametreleştirilmesi, kapitalizmde insanların girdiye dönüştürülmesinin en uç noktasıdır.

Tipik örnekler: Sağlık sigortası şirketlerinin belli parametreleştirmeler üzerinden, hastalanma olasılığı daha yüksek olduğu varsayılanlara sigorta yapmaması veya daha yüksek prim istemesi. Belli şirketlerin geçmişteki görüngüsel parametreleştirmeler üzerinden, ezilen cins, ulus ve ırktan, belli bölge, il veya mahalleden işçileri işe almaması. Okulların parametreleştirilen test sınav puanlarına göre fonlanması. Sosyal medya kullanıcıların görünürlüğünün tıklama ve takipçi sayılarına göre kategorize edilmesi veya belli tık parametrelerine göre bağımlılık yaratacak belli içeriklere hapsedilmesi. Polis aygıtlarının (örneğin polis teşkilatlarının kullandığı PredPol gibi yapay zeka algoritmaları) belli “adli ve siyasi suç” ya da “isyan olasılığını” gösterdiği varsayılan parametreleştirmeler üzerinden yoksul, işçi, ezilen ırk, ezilen ulus, göçmen bölge ve mahallelerini daha yoğun biçimlerde baskı ve abluka altına alması.

Kapitalist devletler, günümüzde artık, ebeveynlerinin sosyo-ekonomik durumları, etnik ve siyasal pozisyonları üzerinden henüz doğmamış çocukları bile “gelecekteki parametrik suç, muhalefet olasılıkları”na göre kategorize ediyor. İnsanların hangi siteleri tıkladığı, hangi kitapları sipariş ettiği, hangi filmleri izlediği, hangi ürünleri alıp almadığı, kimlerle etkileşimde bulunduğu, hatta hangi kelimeleri kullandığı gibi parametreler üzerinden takibe alınması ve bunların iş, hukuk, vize, kredi, sigorta, terfi durumlarının, hatta gelecekteki “adli suç” veya eylem, muhalefet olasılığı değerlendirmelerinde kullanılması.

Linkedn, isteyen şirketlere çalıştırdıkları işçilerin hangi sıklıkta iş arama ilanlarına baktığını raporlaştırarak satıyor. HireVue (işe alım mulakatlarında kullanılan bir yapay zeka algoritması), iş mülakatındakilerin yüz ifadelerini, ses tonunu, kullanılan kelimeleri parametreleştirip puanlayarak, işe alma/almama önerisinde bulunuyor. Find My Kids aplikasyonu, çocukların okulda hangi sıklıkta tuvalete gittikleri istatistiklerini oluşturup belli devlet kurumlarına ve isteyen ebeveynlere satıyor. Trendyol ve Yemek Sepeti algoritmaları, kurye işçilerin emeğini sipariş teslim süresi ve müşteri puanı gibi değişkenler üzerinden parametreleştiriyor, “performansı düşük” kuryeleri en uzak ve en düşük bahşişli işlere atıyor. Amazon algoritmaları depo işçilerinin emeğini paketleme hızı (saniyede 1 ürün), verimsiz zaman (tuvalet, su içme, soluklanma molaları), hareket verimliliği (en kısa rotaların izlenmesi) gibi parametreler üzerinden; çağrı merkezi şirketleri işçilerin emek verimliliğini, ses tonundaki stres seviyesi, müşteri başına ortalama süre, konuşma ve tuş vuruş hızları, iş ve ekran başından ayrılma süreleri gibi parametreler üzerinden; e-ticaret şirketleri kuryelerin performansını günde kaç paket attığı, algoritmanın önerdiği siparişlerden ne kadarını kabul edip gerçekleştirdiği, ne kadar süre çevrimiçi kaldığı, kötü hava koşullarında da çalışıp çalışmadığı gibi parametreler üzerinden kontrol eder.

Algoritmik gasplar hata değil kuraldır

Parametrik modellemeler toplumsal süreçleri aşırı basit kalıplara indirger ama algoritmik haksızlık ve gaspların engellenmesinde daha çok sayıda parametrenin kullanılması da çözüm değildir. Kapitalist şirket ve kurumlar emekçi kitlelere dair kullandıkları algoritmalardan tam istedikleri sonuçları almak için de çok sayıda parametreyi birden kullanabilir. Örneğin Yeni Zelanda Sosyal Kalkınma Bakanlığı’nın “gelecekteki çocuk istismarını tahmin programı” adı altında kullandığı bir aile tarama algoritması, annenin işsiz olup olmadığı, evli olup olmadığı, ebeveynlerin sabıka kaydının olup olmadığı gibi tam 132 parametre kullanarak, çocuk istismarı olasılığının yüksek olduğu varsayılan ailelerin takibe alınması ve bu tür ailelerden çocuklarının alınmasını öngörüyordu. Ancak program asıl olarak yerli Maori ailelerinden çocuklarının koparılarak asimile edilmesini hedefliyordu ve büyüyen toplumsal tepkiler üzerine, hükümet algoritmik programı uygulamadan kaldırmak zorunda kaldı.

ABD’de ise kamusal sosyal yardım ve hizmet programlarında algoritmik uygulamalara geçilmesi, bu programlardan yararlanan (engelliler, yaşlılar, gıda yardımlarından yararlananlar dahil) 92 milyon düşük gelirli ve yoksulu, çoğunlukla olumsuz etkilediğine dair rapor ve araştırmalar var. Yüzbinlerce kişinin sosyal hak ve yardımlarının kesilmesi ya da azaltılmasına varan algoritmik “hatalar”, sosyal yardım ve hizmet kurumlarının parçalanarak özel taşeron şirketlere devredilmesiyle, daha da artıyor ve ağırlaşıyor. Sosyal yardım ve hizmet alanlarındaki algoritmik uygulamalar, sermayeye, aynı zamanda resmi ve yasal planda yapılamayacak gasp ve haksızlıkların algoritmaların gri alanına kaydırılarak ve hak-hukuku devre dışı bırakarak yapılmasında kullanılıyor. “İnsanlar çoğu zaman yardımlarının neden reddedildiğinin farkında bile olmuyor. Bu aslında yapay zekânın bir kusuru değil, bir özelliği.” (Louis Parshley, Rage Against the Algorithm. levernews.com, Feb 25, 2025. Türkçe çev: Diyar Saraçoğlu, Algoritmaya Öfke, bianet.org, 6 Mart 2025)

Dolayısıyla giderek daha geniş işçi, emekçi kitleleri etkileyen algoritmik önyargı, haksızlık ve gasplar, yalnızca ve basitçe parametrik istatistik modellemelerdeki teknik ve yöntemsel “hatalar”dan kaynaklanmıyor. Yapay zekanın kapitalist kullanım tarzı bu “hataları”, bir istisna olmaktan çıkarıp kural haline getiriyor. Yani yapay zeka, kitleleri daha fazla sömürme, soyma, dolandırma, kontrol ve manipüle etme, kazanılmış haklarını gasp etme araç ve silahı olarak kullanılıyor. Bu sorunların verileştirme, parametreleştirme, algoritmikleşme ve yapay zekanın kapitalist üretim ve kullanım biçiminde kökleşmiş ve yapısal olması, bunların “etik ve hukuki” önlemlerle, kapitalist devletlerden beklenen “kamu denetimi” ile düzeltilemeyeceğini de ortaya koyuyor.

Veriler, parametreler, matematik ve istatistik modeller, algoritmalar, kapitalist sömürü ve güç ilişkilerin kategorik ifadeleri olmakla kalmıyor, bu ilişkileri daha da pekiştirip derinleştirmenin aracı olarak kullanılıyor.

Makine enformatiğinin sonuçları

Kapitalizmde, bilginin özü ile matematikselleştirilmiş makine enformatiği formu arasında derinleşen bir çelişki var. Gerçek (bilimsel) bilginin edinilmesi ve üretilmesi, zor, zahmetli, emek yoğun ve zaman isteyen bir süreçtir. Buna karşılık dijital makine enformatiği, enformasyon elde etme/üretme için toplumsal olarak gerekli emek-zamanı minimize eder, enformatik verimlilik ve etkinliği muazzam artırır.

İlk eldeki bir sonuç, önemli bir bölümü toksik ve çöp olan enformasyon köpürmesi, gerçek bilgi süreçlerinin altüst olması, bilgi süreçlerinde baskın hale gelen dijital veri/enformasyon halkalarının gerçek bilgiyi bastırması ve dıştalamasıdır.

Bir diğer kritik sonuç, bilginin makine enformatiğine indirgenmiş, soyut, nicel, formalist biçimiyle, daha kolay özelleştirilmesi, metalaştırılması ve sermayeleştirilmesi, daha kolay ve çok daha geniş çaplı olarak sermaye birikiminin ve sermaye diktatörlüğünün hizmetine koşulması ve buna göre koşullandırılmasıdır. Patentler, telif hakları, fikri mülkiyet, veri ticareti, dijital şirket platformları, eğitimin özelleştirilmesi gibi yollarla, sosyal bilimsel araştırmalar, kültürel süreçler ve kişisel veriler bile özel mülkiyet ve sermaye haline getirilir.

Bilginin sayısal enformatiğe indirgenerek metalaşmasına ve sermayeleşmesine dayalı bir diğer kritik sonuç ise, zihin emeğinin (eğitimli, vasıflı, yaratıcı meslekler, bilgi emeği, aydınlar, sanatçılar, akademisyenler, bilim insanları vd.) yıkıcı ve yığınsal biçimlerde proleterleşmesidir.

Meta fetişizminin yeni bir biçimi: Veri fetişizmi

Günümüz kapitalizminde veri fetişizmi, meta fetişizminin yeni ve öne çıkan bir biçimi haline gelmiştir. Marx’ın meta fetişizmi tanımından (Marx, Kapital Cilt 1) hareketle veri fetişizmini de insanlar arasındaki toplumsal ilişkilerin veriler arasında veya insanlarla veriler arasında ilişkiler gibi algılanması olarak tanımlayabiliriz. Önce veriler gerçek toplumsal parça ilişki ve süreçlerden soyutlanır, sonra o gerçek ilişki ve süreçler verilere uydurulmaya; verilerle ölçülüp kontrol edilmeye başlanır.

Kapitalizmin veri fetişizmi, her şeyin verileştirildiği ve veriler arası ilişkilerin gerçek toplumsal ilişkileri ikame ve manipüle ettiği bir dünyayı varsayar. Günde attığı adım veya tükettiği mineral içeriklerine dair veri hesaplamaları üzerinden daha sağlıklı olacağına inanan biri, bu verilerin aslında, kendisiyle bu veriler üzerinden kârlılıklarını artıran kapitalistlerle arasındaki bir ilişki olduğunun farkında değildir. Algoritmik performans kontrolü altındaki bir işçi, günlük sayısal işlem performansını yükselterek ücretini ve işinde yükselme olasılığını artırabileceğini sanabilir. Ama burada işçiyle sayısal performans veri-istatistikleri arasındaymış gibi fetişize ve mistifiye edilen ilişki, gerçekte patronla işçi arasındaki sömürü ve kontrol ilişkisidir.

Birleşmiş Milletler, Avrupa Birliği, IMF gibi emperyalist kapitalist organların veri ekonomisi ve denetimine dair kurumları, çoktan uluslararası “veri kalite değerlendirme çerçevelerini”, yani veri standartlarını geliştirmeye başladılar. Uluslararası veri standartları, verilerin kendilerinin “kalitesinin” ölçülüp değerlendirilmesini, sertifikalandırılmasını, dolayısıyla fikri özel mülkiyet altına alınmasını sağlar. Yanı sıra, veri işletmeciliği gerekli asgari sermaye yatırım ölçeğini yükseltir, “her önüne gelenin” veri toplama işleme ve veri ticareti yapabilmesini kısıtlayarak, veri değer zincirlerinde sermaye merkezileşmesi ve yoğunlaşmasını hızlandırır. En sonu, kapitalist şirketleri ne tür verilere ihtiyaç duydukları/duyabilecekleri, bunları hangi standartlardaki veri kaynaklarından nasıl edinebilecekleri, verileri en etkin biçimde nasıl kullanabilecekleri konusunda, veri değer zincirlerini ve veri yönetim süreçlerini rasyonalize etmeye ve planlamaya sevk eder. Şimdi kapitalist için en değerli veri; maliyetleri düşürme, verimlilik, karlılık, güç, öngörü ve kontrolü artırma, yeni iş ve kâr alanları açma gibi hedeflerde en etkili biçimde kullanılabilecek veri’dir. Kapitalist güçlerin veri değer zincirlerindeki ilgi odağının ilk aşamasından (verilerin en büyük hacim ve hızda toplanması) son halkaya (verilerin kullanım ve etkisi) kayması da, veri süreçlerinin de “sonuç odaklı” olarak yeniden şekillendirilmesi açısından son derece tipiktir. Çünkü bu doğrudan kapitalist amaç ve işlevlere hizmet etmeyen veri kaynaklarının daha fazla kısıtlanması veya zorlaşması anlamına geliyor.

Günümüz dijital teknolojilerinin sosyalist kullanım biçimi için mülkiyet değişimi yeterli mi?

Makine öğrenmesi ve yapay zeka dahil, günümüz veri analitiği ve makine öğrenmesi teknolojileri, toplumsal devrim sonrasında daha gelişkin bir sosyalist toplumun kurulmasını ve daha gelişkin bir sosyalist planlamayı kolaylaştırma olanağını da taşıyorlar. Bununla birlikte, sosyalizmi salt yeni teknolojiler üzerinden yapılan modellemelere indirgeyen yaklaşımlar çok sorunlu ve yanlıştır. Gelişkin bir sosyalizm, yalnızca mülkiyet ve iktidar ilişkilerinin değil, üretim ve yeniden üretim ilişkilerinin, doğayla ilişkilerin de kökten devrimci bir temelden değiştirilmesini gerektirir. Dahası kapitalist üretim ve kullanım biçimleri bu teknolojilere içerili olduğundan, bu teknolojiler kapitalizmdeki formasyonları köktenci biçimde değiştirilmeden sosyalizmde kullanılamaz.

‘İnsanın ölçülmesi’, davranış normlarının tesis edilmesi ve normdan sapmaların bastırılması gibi meseleler söz konusu olduğunda, tarihin hiçbir döneminde nötr olmamış bir disiplindir istatistik. 20. yüzyılda emek ölçümünün emek psikometrisine dönüşmesi gerek yönetim gerekse teknolojik açısından kilit bir değişimdir. (Matteo Pasquinelli, Patronun Gözü: Yapay Zekanın Sosyal Tarihi. Metis yay, 2025)

Bu teknolojilerin sosyalizmde kullanılabilmesi, yalnızca kullanım biçimlerinin değil üretim biçiminin de köklü biçimde değiştirilebilmesi gerekir. Buna bu teknolojilerin üretim ve işleyişinde kilit bir rol oynayan “veri bilimi”nin, tüm matematik, mantıksal, epistemolojik, davranışsal ekonomi, psikometri vd boyutlarıyla da birlikte sorgulanmasını ve aşılabilmesini de gerektirir.

Örneğin enformatik modellemelerin kapitalist biçimi, matematiği de kendisine benzetmekte, salt hesap işine indirgemektedir. Örneğin pozitivist binary (01) sistemi veya bugün veri analitiği ve makine öğrenmesinde daha yaygın kullanılan post-pozitivist göreci “bulanık mantık” sistemleri, diyalektik mantık ve yönteme göre çok daha geri ve kapitalizedir. Örneğin günümüz dijital platformlarında yaygın olarak kullanılan ekonometri, psikometri ve davranışsal ekonomi, apaçık burjuva disiplinleridir. Örneğin sayısallaştırılmış enformasyon gerçek bilimsel bilgi ve açıklayıcılıktan yoksundur.

Başka deyişle, “veri bilimi” ve matematik, mantık, epistemoloji, davranışçı ekonomi disiplinleri de nötr değildir; bu yüzden sosyalizmde bunların “özümsenerek aşılması”, yerlerine yeni ve daha gelişkin bilimsel, matematiksel, mantıksal, epistemolojik sistemlerinin geçirilebilmesi gerekir.

Kapitalist piyasa ve kârın istatistik modellemeleri için matematik ile, gelişkin toplumsal ihtiyaçlar ve sosyalist planlama için matematik kuşkusuz birbirinden çok farklı olacaktır.

Kapitalizm matematiği niceliksel hesap işlerine indirger. Büyük diyalektik ustası Hegel bile matematiği “niceliklerin bilimi” diye tanımlamıştı. Günümüz dijital teknolojilerinin kapitalist kullanım biçimi de matematiği salt sayısal hesap işçilerine indirgemeyi uç noktasına vardırarak deforme ediyor. Mantık da indirgendiği matematiksel mantık biçimiyle bu soyut, nicelikçi, formalist deformasyondan payını alıyor. Oysa Marx, ekonomi-politik ve diyalektik mantık çalışmalarını geliştirmek için yaptığı kendi özgün matematik çalışmalarında, diferansiyel sistemler üzerinden matematikte diyalektik nicelik-nitelik dönüşümlerini, çelişki ve değişim dinamiklerini göstermişti. (Bahadır Batır, Serkan Doğan, Emre Güngör. Marx’ın Matematik El Yazmaları. Madde Diyalektik ve Toplum dergisi, Cilt 1 sayı 4)

Günümüzde artan sayıda matematik bilimcisi de matematikte nitelikli kuramsal çalışmaların ortadan kaldırılmasına, matematiğin tek kullanım biçimi olarak sayısal hesap işlerine ve pragmatist istatistik modellemelere indirgenmesine, bunun matematiği bir bilim olmaktan çıkarmasına ve gelişme olanaklarını alabildiğine güdükleştirip deforme etmesine itiraz ve isyan ediyor. ABD’de de matematik modelleme alanında çalışan 800 veri-enformasyon matematiği bilimcisi, uluslararası bilim dergisi Nature’da 2019 yılında, kendilerine kullanmaları dayatılan pragmatist ve manipülatif istatistiksel korelasyon sistemlerine karşı bir deklarasyon yayımladılar. İstatistik hesap ve tahmin modellerinin en yoksul nüfus kesimleri üzerindeki olumsuz etkilerini analiz eden ve matematiği bir siyasi mücadele alanı haline getirmeye çalışan Hindistan merkezli Politik Matematik Kolektifi de önemli bir örnek oluşturuyor. Tüm bunlar makine öğrenmesi ve yapay zekanın kapitalist üretim ve kullanım biçiminin, matematiği, mantığı, epistemolojiyi de pragmatist, göreci, manipülatif bir çerçevede kendine uyarlayarak tahrif etmesine karşı, matematiğin, mantığın, epistemolojinin de sınıfsal-siyasal mücadele alanları haline gelmekte olduğunu gösteriyor.

Kapitalizmin pozitivist ve post-pozitivist göreci “dijit” sistemlerini aşamamakla birlikte, burada da iç sınırlarına dayanması, geri besleme çevrimlerine dayalı makine öğrenmesinde diyalektiği uygulama çaba ve arayışlarına yol açmaktadır. Burjuvazi doğa bilimlerinde genellikle sınırlı pozitivist biçimiyle de olsa diyalektiği uygulamaya ve kullanmaya çalışır; sosyal bilimlerde ve tarihsel-toplumsal süreçlerde ise, diyalektiği eleştirel ve devrimci niteliğiyle “tehlikeli” addeder. Diyalektiği makine öğrenmesinin geri besleme çevrimlerine uygulama arayışları, bu konuda hızla büyüyen akademik literatür incelendiğinde, “tez, anti-tez, sentez” üçlüsü, yani formalist diyalektikten pek öteye geçmiyor. Oysa gerçek zamanlı geri besleme çevrimlerine dayalı çok daha gelişkin bir sibernetik sistem, ancak çok daha gelişkin bir diyalektikle kurulabilir ve uygulanabilir. Bu da ancak gelişkin bir sosyalist devrimci ilişkiler sisteminde mümkündür. Bu açıdan Sovyet deneyiminde, diyalektiğin doğa bilimleri, üretim süreçleri, ekonomi, matematik ve sibernetiğe uygulanmasıyla kaydedilen gelişmeler bir ilk fikir verir.

Sonuç olarak, günümüz makine öğrenmesi/yapay zeka gibi teknolojilerinin kapitalist üretim ve kullanım biçiminin Marksist eleştirisi, daha çok boyutlu olmalıdır. Bu teknolojilerin kapitalist biçiminin yapısal bileşeni olan sosyometri, psikometri, davranışçı ekonomi gibi burjuva disiplinlerin ve veri bilim, matematik, istatistik, mantık ve epistemolojinin kapitalizmdeki formasyonlarının köklü eleştirilerini de kapsamalıdır.

Sendika.Org, yayın hayatına başladığından bu yana işçi sınıfı hareketinin, solun ve genel olarak toplumsal muhalefetin gündemine ilişkin, farklı politik perspektiflerden düşünsel katkılara açık bir tartışma platformu olagelmiştir. Sitemizde yayımlanan yazılar yayın kurulunun politik perspektifiyle uyumluluk göstermeyebilir. Amacımız, mücadelenin gereksinim duyduğu bilimsel ve politik bilginin üretimini zenginleştirecek tüm katkılara, yayın ilkelerimiz çerçevesinde, olabildiğince yer verebilmektir.

Sendika.Org'u destekle

Okurlarından başka destekçisi yoktur