26 Nisan 2021 Pazartesi

Karmaşıklık (Bölüm 10) (Ateşan Aybars, 26 Nisan 2021)

Karmaşık Adaptif Sistemler (KAS)

Karmaşık adaptif sistemler, genel sistem teorisi ile başlayan sistem sınıflandırılmasına göre anlaşılması zor olan sistemlerdir. Karmaşık fiziksel sistemlerden farklı olarak karmaşık adaptif sistem elemanı ajan (agent) olarak bilinir, bu ajanların bağımsız (otonom) olmasından dolayı neden-sonuç ilişkisini bilmek mümkün değildir. Ajanlar çevre ile etkileşimlerinden öğrenir, evrimleşirler ve örgütlenmelerini bir üst hiyerarşiye aktarırlar. Örgütlenmenin bir üst hiyerarşiye taşınması bir başka önemli özellik olan belirim olarak ortaya çıkar. Sistem sınırları ve simetri kırılması ile sıkı sıkıya ilişkili olan belirim, alt hiyerarşi etkileşimlerinden başlayarak sınır değişimi ve simetri kırılmasıyla yeni bir üst hiyerarşide kendini gösterir. Daha önce bahsettiğim suyun ıslaklığı belirime iyi bir örnektir. Karmaşık adaptif sistemlerin davranışı, dinamik sistemlerde olduğu gibi diferansiyel denklemlere bağlı değildir ve sistem bilgisinin değişmesi ve bu değişime adaptasyonu (simetri kırılması ya da faz geçişiyle üst hiyerarşiye yapılanması) karmaşık fiziksel sistemlerde olduğu gibi hızlı değildir, daha yavaş bir adaptasyon sürecidir. Genel olarak kaos eşiği olarak tanımlanan düzen ve kaos arasında çok farklı gerçek dünya davranışları sergilerler. Yapay zekâ, bilişsel bilimler, ekoloji, oyun teorisi, dil bilimi, sosyal bilim, ekonomi, immünoloji, felsefe vb. çok geniş yelpazenin uğraşı alanıdır. Ajanların çok sayıda ve çok bağlantılı olmaları bağlantısallık (connectivity) kavramının anlaşılmasını gerektirir. Bunun için grafik teorisine kısaca değinelim.

Grafik Teorisi. Grafik teorisinin prensi olarak bilinen Leonard Euler’in 1736 yılında “Konigsberg’in yedi köprüsü” sorunuyla başladığı çalışması, teorinin başlangıcı olarak gösterilmesine karşın ortodoks bilim 250 yıldan fazla bir zaman bu teoriye kayıtsız kaldı. Ancak, 1980-90’lı yıllarda kaos teorisini bilime çevirme çabalarının etkisiz kalması üzerine karmaşık sistemleri anlamaya yönelik çalışmalar başlatıldı. Zira grafik teorisinin, karmaşık ağ sistemlerinin en önemli parçası olduğu anlaşıldı. Ağ bilimi son yıllarda hızla gelişen ve gelişime her birkaç yılda teknolojik yenilik katan dinamik ve heyecan verici bir uğraşı alanı oldu. Bu yeni paradigma tamamen bağlantısallıktan kaynaklanıyor. Her bir hücremize yakıt sağlayan metabolik ağdan yaşantımızı şekilleyen sosyal ağlara kadar her tarafımız ağlarla çevrili. İnternetin yükselişinden trafik akışına, finansal piyasalarda balonların ve krizlerlerin yaşanmasından virüslerin yayılmasına kadar her şey için ağ bilimine başvuruluyor. Dolayısıyla, 21. yüzyılda ağ sistemlerinin anlaşılması ve çeşitli modeller vasıtasıyla çözümlenmesi bilim için zorunluluk hâline gelmiştir. Karmaşıklık ve doğrusalsızlık ağ sistemlerinin doğal ve ayrılmaz özelliğidir. Ağ sisteminin elemanları doğrusal olarak çoğalırken (1, 2, 3, ...) aralarındaki bağlantılar üstel olarak çoğalır. Üstel karmaşıklık hesapları zor olduğundan bilgisayarlara başvurulur. 

Sistem davranışlarını anlamak üzere başvurulan grafik teorisi son derece güçlü olmasına karşı uygulanması kolay bir teoridir. Tanım olarak, düğüm (node) denilen bir dizi elemanın (ajan, hücresel otomata) bağlantılar vasıtası (link) ile etkileşimlerini ve çeşitli hiyerarşik seviyelerde sistemlerin davranışını sergiler. Doğal olarak, ağ yapısının karmaşıklığı düğümler arası bağlantıların ne kadar karmaşık olduğuna bağlıdır. Düğümler çok farklı şekillerde bağlanabilir ve aralarındaki ilişkiler pozitif veya negatif geri bildirimler, kendiliğinden yapılanma, belirim gibi sinerjik fenomenlerle daha karmaşık hiyerarşik sistem yapılarına ve davranışlarına neden olurlar. Ağlar mikro, mezo ve makro evren ile ilgili her türlü karmaşıklık ve çeşitliliği kapsarlar. Fiziksel ağ sistemleri (hava, su, gaz, elektrik dağıtım), informasyon ağ sistemleri (internet, intranet, cep telefonları), sosyal ağ sistemleri (Facebook, Twitter, Instagram vs.), akıllı düğümleri olan mantık ağ sistemleri (büyük paralel bilgisayar programları) gibi sınırsız sayıda sistemin davranışı grafik teorisi ile kolaylıkla incelenebilir. Örneğin, 10 düğümlü bir sistemin çeşitli bağlantıları şematik ya da matematik olarak 10x10 kolon-sütun şeklinde matriks olarak gösterilebilir. Genel olarak karmaşık adaptif sistemlerde düğümler ve aralarındaki etkileşim zaman içinde dinamik olarak değişir. Şimdi, ağ bilimine giriş olarak birkaç belirleyici özelliğinden kısaca bahsedeyim.    

Bağlantısallık. Doğrusal anlayışla, çok defa herhangi bir sistemin elemanlarının tek tek analizi cebrik olarak toplandığında tüm sistemin analiz edildiğini biliyoruz. Oysa elemanların birbirleriyle iletişimi söz konusu olduğunda sinerjik katkı ile durum çok farklı olacaktır. Yerel düğümlerin bağlantısallık derecesi diğer düğümlerle ne kadar kolay ya da zor bağlantı yapabileceğini gösterir. Bağlantısallık derecesi yüksek olan ağ sistemlerinde etkileşim daha kolay olduğu gibi nitel özellikler ortaya çıkmaya başlar. 

Uzay.  Ağ geometrisi veya ağ topolojisi alışık olduğumuzdan çok farklı bir uzayda hareket eder. Canlı varlıklar ya da nesneler Öklid geometrisinin üç boyutlu uzayında hareket eder ama topoloji olarak bilinen bağlantıların geometrisinde tüm ağ elemanları üç boyutlu uzayı genişletir, büker ve her şekle dönüştürebilir. Bilinen en meşhur topolojik örnek bir kahve fincanının simit şekline dönüşmesidir.

Belirim. Ağ, aşağıdan yukarıya doğru yapılanan ama aynı zamanda çevresel kısıtlamalarla yönlendirilen organik bir yapı tipidir. Kitabın birçok yerinde değindiğim belirim, karmaşık adaptif sistemlerin en önemli özelliğidir ve örnekleri doğada, sosyal yaşamda, kültürde, ekonomide, kaos ve düzen arasında bir yerde (kaos eşiği) her zaman karşımıza çıkar. 

Doğrusalsızlık. Yukarıda belirttiğim gibi ağ elemanları lineer olarak çoğalırken (1, 2, 3 vs.) aralarındaki bağlantılar üstel olarak çoğalır. Karmaşıklık ve doğrusalsızlık ağ sistemlerinin doğal özelliklerindendir. Bir ağdaki elemanların sayısı 1, 2, 3, ... doğrusal büyürken aralarındaki bağlantı sayısı katlanarak artabilir. Örneğin, 10-15 kişiden oluşan küçük bir grup insan arasında çok sayıda farklı ağ türü olabilir. 

Global Özellikler. Ağların kümelenmesi çok çeşitli şekillerde yerel ya da küresel olabilir. Bu çeşitliliklerin araştırılması ağ teorisinin konularıdır. Örneğin, sistem içindeki kümelenme modelleri, elemanlar arasındaki bağlantılar ve bu bağlantıların yoğunluğu; birçok küçük grup mu yoksa sadece birkaç büyük grup mu görünüyor? Bu tür sorular ağ yapısının tanımlanmasını ve ağ sisteminin davranışını belirler. 

Ağ Türleri. Ağ türleri çok çeşitlidir, bir listesini oluşturmak mümkün görünmüyor ama temel özellikleri açısından farklı türler tanımlanabilir. Normal olarak gauss dağılımına göre davranan ağ sistemlerinin öteden beri yaygın olduğu ve çok kullanıldığı bilinir ama doğa üstellik yasasına göre davranan fenomenlerle doludur. Örneğin, şirket kullanımı için hazırlanan bir ağ sistemi özel amaca uygun tasarlanabilir, doğrusaldır ama doğa, sosyal vb. sistemlerin çoğu üstellik yasasına göre şekillenirler. Çevremizde karşılaştığımız ağların çoğu böyledir. Uluslararası ticaret, lojistik ağlar, arkadaşlık ağları, terörist ağları, gıda ağları ve benzeri birçok örneklerde önceden kestirilemeyen belirim ortaya çıkar, sistemin yapısı ve davranışı doğrusal değildir.

Ağ Yayılımı. Etkileşimin ağ boyunca nasıl yayılacağı ile ilgilidir. Bir virüs salgınının nasıl yayıldığı ve hangi ağ yapılarının hızlı veya gecikmeli yayılmaya neden olacağı stratejik önemdedir. Bazı parametrelerin değiştirilmesi ile salgının nasıl yayıldığını ya da engellendiğini ağın difüzyon özelliği ile anlamaya çalışırız. Bu tür çabaların amacı herhangi bir saldırıya karşı ağın direncini ve kırılganlığını anlamak içindir. 

Ağ Dinamiği. Ağların zaman içinde nasıl değiştiği gösteren özelliğidir. Bilim insanları ağ sistemlerinin nasıl davrandığını, nasıl yapılandığını ve benzeri özelliklerinin yaşamımızı nasıl etkilediklerini her türlü alanda anlamaya çalışıyorlar. Bazı örneklere bakalım:

Şekil 1.3.1 besin zincirindeki hiyerarşiyi göstermektedir. En ufak üretici organizmadan besin zincirinin tepesine kadar canlıların bağımlılığını gösteren ağ sistemidir. Besin zincirinin her bir seviyesi farklı besini gösterir ve türlerin yok oluşu ekolojik dengeyi bozabilir. 

Ateşan Aybars (26 Nisan 2021)


1 https://youtu.be/82zlRaRUsaY    Systems Innovation, Graph Theory Overview.

https://en.wikipedia.org/wiki/Graph_theory



17 Nisan 2021 Cumartesi

Karmaşıklık (Bölüm 9) (Ateşan Aybars, 17 Nisan 2021)


Karmaşık fiziki sistemler için yaşam oyununun önemi

Öncelikle, yaşam oyunu ve hücresel otomata karmaşık fiziki sistemlerin en ideal ve basit modelidir, peşinde olduğumuz gerçek dünya sistemlerinin birçok özelliğini açıklarlar. Örneğin, çok sayıda değişken (hücresel otomata) kullanıldığında karmaşık fiziksel sistemlerin ilginç hatta hiç beklenmedik davranışlara yol açtığı gözlenebilir. Yaşam oyununda basit bir planör girdisi yerine hücrelere rastgele (random) birçok hücresel otomata yerleştirerek karmaşıklığı artırabiliriz. Sistemin bu karmaşık girdiye davranışı birçok etkileşimden sonra sabit bir çeker (fixed point) etrafında düşük entropisi olan organize yapılara ya da düşük entropisi olan periyodik yapılara dönüşebilir. Bu özellikleri ile yaşam oyunu ve hücresel otomata enformasyon teorisi için ideal bir model olmaktadır. Ayrıca, yaşam oyununun organize yapıları bilgi işlem süreçlerinde kullanılabilir veya genetik algoritmalar vasıtası ile bilgi işlem yetisi artırılarak karmaşık sistemin çevreye uyumu (evrimi) sağlanabilir. 

John Conway’in yaşam oyununda önce sınırları olan (kapalı) bir sistem ele alınmıştır. Yani, sınırlı yapılara yönelik bir düzendir ve karmaşık sistemin yapıları sınırlıdır. 1970 yılında açık uçlu, sınırları olmayan (açık sistem) bir düzen önerdi. Dolayısıyla, açık sınırlı düzenlerle gerçek dünya fenomenleri daha gerçekçi olarak modellenebilirdi. Günümüzde birçok amatör bilim insanı çok çeşitli uygulamalar üretiyorlar. Hücresel otomata S. Wolfram’ın çalışmalarıyla belirlediği 256 hücresel otomata kuralının dört ayrı sınıflaması, karmaşık sistem davranışlarının anlaşılmasını çok daha ileri seviyelere taşıdı ama bu başka bir kitabın konusu. 

Lojistik Denklem 

Hücresel otomata

Xt+1 = f(Xt) = R.Xt (1-Xt) 

Latticet+1 = f(latticet)    (f = ECA kural)[1]

Deterministik

Deterministik

Kesikli zaman adımları

Kesikli zaman adımları

X değerleri gerçek sayı

Lattice değerleri siyah ya da beyaz

Dinamikleri;

Sabit çeker, periyodik, kaos

Dinamikleri;

Sabit çeker, periyodik, kaos

Kontrol parameteresi: R 

Kontrol parametresi: ?

Tablo 1.2. Lojistik denklem ve hücresel otomata karşılaştırılması. Kaynak; Complexity, M.Mitchell

Ateşan Aybars (17 Nisan 2021)
_____________________________

[1] Lojistik denklemde, Xt+1 değeri, f(Xt) fonksiyonunun bir sonraki iterasyon değeridir ve bu değer R parametresine bağlı olarak değişecektir. Benzer şekilde hücresel otomata için Latticet+1’in değeri, f(latticet) fonksiyonunun kuralları çerçevesinde siyah ya da beyaz olarak belirlenir. Kurallar komşu hücrelere bakarak merkezi hücreyi günceller. Hücresel otomata lojistik denkleme diğer özellikleri ile benzerdir ancak lojistik denklemin kontrol parametresi R’a karşılığı yoktur. Bu konuda Chris Langton’un çalışmaları bir katsayı ortaya çıkarmıştır. Lambda olarak bilinen bu katsayı siyah hücrelerin sayısı ile berlirlenir. Bu konu kitabın amacı dışında olduğundan detaya girilmemiştir. 


Daha fazla bilgi için https://en.wikipedia.org/wiki/Christopher_Langton .



12 Nisan 2021 Pazartesi

Karmaşıklık (Bölüm 8) (Ateşan Aybars, 12 Nisan 2021)


Kaos Eşiği

Doğa yasalarının simetrik olduğunu ve dengeli sistem entropisinin düşük olduğunu biliyoruz. Entropi kaosta maksimumdur ama sistem hemen öncesinde kaos eşiğinden geçer. Tanım olarak kaos eşiği, düzen ve kaos arasında dinamik bir geçiş alanı olarak kabul edilir ve bu geçiş alanı faz geçişleri ve simetri kırılması ile sonuçlanır. Diğer bir anlatımla, kaosa giden yolda sistemin düzen ve kaos arasında davranışı karmaşıklığın en fazla olduğu süreçtir ve bu süreçte, faz geçişleri ve çok defa simetri kırılması, kendiliğinden yapılanma, belirim ve evrim özellikleri gözlenir. Bu karmaşık davranış sürecinde (düzen ve kaos arası) ne denge vardır ne de kaos. Düzen ucunda iş yapabilecek kadar denge vardır ama yaratıcılık yoktur, düzensiz  (kaos) uçta ise karmaşıklık çok fazladır ve sistem faydalı iş yapamaz. Yani, kaos eşiğinde sistem, bilgi toplayacak kadar düzenli ama bilgiyi ancak değerlendirebilecek kadar varlığını sürdürebilen spontane sistem durumundadır.






Şekil 1.2.17. Doğrusal dinamik sistem davranışları denge alanıdır. Yaratıcı alan doğrusalsız dinamik sistem davranış alanıdır ve kaos eşiğine doğru gelişir. Yaratıcı alan birçok bilim insanına göre evrim, epigenetik, kuvantum tuhaflıkları gibi oluşumların alanıdır. Kaos eşiğinde simetri kırılması ve faz geçişleri ile kaos alanına geçilir. 


Differensiyal denklemlerin geçerli olmadığı bu alanda yani matematik olarak algoritmalar kullanılır. Genel olarak, karmaşık fiziksel sistemlerin incelenmesinde, dama tahtası benzeri yatay ve dikey çizgilerin oluşturduğu hücrelerin içindeki sabit elemanların (hücresel otomata) bitişik hücrelerle etkileşimi araştırılır. Yatay ve dikey çizgilerle oluşan alan sınırlı veya sınırsız olabilir. Bitişik (komşu) hücrelerin etkileşimini yasalar (basit kurallar) belirler. Yani, tüm karmaşık fiziksel sistemlerin modellemesinde evrensel yasa (kurallar) ve bir geometri (dama tahtası) vardır. 

Hücresel otomata. Hücresel otomata terimi ilk defa 1940 yılında John von Neumann ve Stanislaw Ulam tarafından önerildi ve bilgisayar mimarisinde çok hızlı ve devasa ölçülerde bilgi işlemleme (enformasyon processing) amacıyla kullanılıyordu. Sonrasında hücresel otomata bilgisayarlarda paralel hesaplama ve moleküler biyoloji hesaplarında ideal bir modelleme aracı olarak düşünüldü. John von Newmann programlanabilen bilgisayarlar üzerinde çalışırken o dönemde kimsenin hayal bile etmediği kendi kendini üreten biyolojik bilgisayar tasarlamaya odaklanmıştı. Stanislaw Ulam’ın hücresel otomata benzeri tavsiyesi ile çalışmalarını yoğunlaştırdı. “Theory of Self Production Automata” isimli kitabı oldukça teknik olmakla birlikte John von Neumann çalışmalarıyla, sadece biyolojik sistemlerin özelliği olarak bilinen kendiliğinden örgütlenme olgusunu makineler için de göstermiş oldu.

Hücresel otomata, karmaşık sistemlerde bilgi işlemleme ve genetik algoritmalarla evrimleşme konularını içeren mükemmel bir modelleme aracı olarak kullanılırlar. Nitekim kısa sürede fizik, jeoloji, kimya, biyoloji, ekonomi, sosyoloji gibi disiplinlerde modelleme aracı olarak yerini aldı ve hücresel otomata gibi basit bir eleman, basit kurallarla çok çeşitli sistemlere uygulanmaya başlandı. Ayrıca, bu basit elemanlar arasında etkileşim için çok basit kuralları olmasına rağmen belirim ve kendiliğinden örgütlenme gibi soyut yeni kavramların da modellenmesinde sıklıkla kullanılıyor. 

Kısaca, hücresel otomatanın ideal modelleme aracı olarak kullanılmasının nedeni; hücre elemanlarının merkezi bir kontrol sistemine bağlı olmayışı, bilgi işlemleme ve hesaplama imkânlarının mükemmel olması ve en önemlisi hücresel otomatanın evrimleşmesi ve çevresine uyum sağlama yetisidir. 

John von Neumann’ın biyolojiye uygulanan hücresel otomata çalışmalarından etkilenen İngiliz matematikçi John Conway 1970 yılında popüler yaşam oyununu (game of life) tasarladı. Aslında yaşam oyunu tabii ki bir oyun değil matematik hesapları yapabilen ve basit kurallarla son derece karmaşık davranışlara yol açan bir modelleme.

Yaşam oyununun tüm hücreler için basit kuralları; 

  1. Canlı hücreler siyah, cansız hücreler beyaz renkle gösterilmiştir. Herhangi bir beyaz hücrenin 8 komşusundan 3’ü siyah ise bir sonraki evrede (time step) beyaz hücre siyah hücreye dönüşür, aksi hâlde beyaz kalır.
  2. Herhangi bir siyah hücrenin 2 ya da 3 komşusu siyah ise hücre siyah olarak kalır, aksi hâlde beyaz hücreye dönüşür. Tüm hücreler eş zamanlı güncellenir.

                                                                         

Şekil 1.2.18. Yaşam Oyunu.


Şekil 1.2.18’de John Conway’ın siyah kutulardan oluşan şekli “glider” olarak bilinir (biz ona havacılık terimi ile planör diyelim). Yukarıdaki basit kurallara göre tek tek güncellemeler, sırasıyla Şekil 1.2.19’da 2, 3, 4 ve 5 ile gösterilen değişimler gösteriliyor. Dikkat edilirse, 1 numaralı şekil 5. güncellemede (time steps) kendisini tekrarladı. Yani, hücresel otomata iki basit kural çerçevesinde farklı bir yerde (sağda ve aşağıda) yeni bir planöre dönüştü. Sınırlı iletişimin olduğu bu dönüşümde herhangi bir merkezi kontrol yok (hiçbir hücre diğerinden sorumlu değil), hücresel otamata çevre hücrelere uyum sağlayarak kendiliğinden organize olma belirim ve özellikleri gösteriyor.  



Sekil 1.2.19. Tek boyutlu, tek durumlu hücresel otomata.


Yukarıdaki örnekte, başlangıç koşulları olarak bir planör seçildi ve 5 adımda (time step) kendisini yenilediğini gördük. Başlangıç koşulları entropisi yüksek rastgele seçilmiş siyah hücreler ile başlasaydı (hücresel otomata) sistem davranışı, önceden kestirilemeyen ama belirli düzenlilik gösteren çeşitli yapılara, bir çekici (attractor) etrafında dengeye veya tamamen kaotik bir yapıya dönüşebilirdi. Dinamik sistemlerin başlangıç koşullarına aşırı hassas olduklarını, ufak değişiklilerin beklenmedik davranışlara neden olacağını biliyoruz. Özet olarak, hücresel otomata karmaşık sistemlerin davranış kalıplarını (1) basit bir çeker (fixed point attractor) etrafında dengeli yapılara dönüştürebilir, (2) farklı periyotlarda salınım (oscillation) etrafında denge bulan yapılara dönüştürebilir ya da (3) kaotik yapıyla karmaşık davranış gösterebilir. Dolayısıyla, yaşam oyununa basit bir konfigürasyon ile seçilen hücresel otomata karmaşık sistemlerde çok farklı yapıların oluşmasına yol açıyor. Bu tür yapılar çok ayrıntılı, anlaşılması güç olan bilgi yönetim (information process) süreçlerinde, evrim çalışmalarında ise genetic algoritmalar (GAs) popüler modelleme aracı olarak kullanılıyor.

Ateşan Aybars (12 Nisan 2021)

1 Complexity A Guided Tour, Kindle edition s.20. Melanie Mitchell.  

https://en.wikipedia.org/wiki/Conway's_Game_of_Life






4 Nisan 2021 Pazar

Karmaşıklık (Bölüm 7) (Ateşan Aybars, 4 Nisan 2021)

 

Karmaşık Sistemlerde Ölçekleme (Scaling)

Benzeşik ve fraktal yapılarla ilişkili olan ölçekleme kavramı karmaşık fiziksel ve karmaşık adaptif sistemlerin anlaşılmasında önemli rol oynar. Fraktallerin boyuta göre değişmezlik özelliği vardır. Boyut ne kadar küçülürse küçülsün bütünün tüm özelliklerini taşır. 

Zipf yasası, ölçekleme için iyi bir örnektir. Bu yasaya göre herhangi bir dilde en çok (sıklıkta) kullanılan kelime bir sonraki en çok kullanılan kelimeden iki kat, üçüncü en çok kullanılan kelimeden üç kat daha sık gözlenir ve böylece devam eder. Kelimelerin kullanım sıklığı (1., 2., 3., vs.) ve sıklığa göre sıralaması grafik olarak gösterilirse üstel bir ilişki olduğu ortaya çıkar. Bu ilişki üstellik yasası (power law) olarak bilinir.



Şekil 1.2.13.Yatay eksen kelimelerin sıralanmasını (derecesini), düşey eksen ise her bir kelimenin kullanım sıklığını gösterir.  

Son yıllarda gerek karmaşık sistemlerin analizinde gerek biyolojide çok ses getiren tartışmalı konu olarak metabolik oran tartışmasına kısaca bakalım. Canlı sistemlerde her bir hücre gıdayı enerjiye dönüştürmek üzere metabolik reaksiyondan geçer ve tanım olarak metabolik oran, organizmanın birim zamanda harcadığı enerjidir. İki farklı kütlesi ve yüzeyi olan örneğin, fare ve filin metabolik faaliyetlerini karşılaştırmak için kütlelerini kürenin hacmi, yüzeylerini kürenin yüzeyi gibi varsayalım ve hesaplamalar için basit Öklid geometrisini kullanalım. Kürenin hacmi, V = 4/3𝝅r3, yüzeyi ise, S = 4𝝅r2 . Yarıçap (r) büyüdükçe kürenin hacmi yüzeyine kıyasla daha fazla artar. Açıklamak gerekirse, fareye kıyasla filin kütlesel hacmi büyük olduğundan metabolik faaliyetleri sonucu oluşan ısıyı fareye kıyasla daha düşük yüzey üzerinden atmak zorundadır. Bu durumda filin vücut ısısının çok fazla artması gerekir ki bunun böyle olmadığını biliyoruz. 19. yüzyıl biyologlarına göre metabolik faaliyetlerde, sınırlı yüzeyden ısının dağıtılması için metabolik oranın (ısı artış oranının) azalması gerektiği ve 2/3 üstellik yasasının (Kleiber yasası) makul olduğu kabul edilmiş ve 60 yıl boyunca bu konu sorgulanmamış. Herhâlde, kimse metabolik oranın kütle ile orantılı ölçeklemesini anlamamış olmalı. Ancak, 20. yüzyıl sonlarına doğru bazı araştırmacılar, karşıt görüşler olmasına rağmen, yasayı sorgulamaya başladılar, Kleiber yasasının kuşkulu olduğunu ve bunu düzeltmenin gerektiğini göstermeye çalıştılar. 

Şekil 1.2.14’de çeşitli canlılar için metabolik oranının kütle ile ölçeklendirilmesi gösterilmiştir. Elde edilen eğrinin eğimi 2/3  kuvveti (yüzey alanı/hacim) yerine 3/4 kuvvetine göre değişiyor ve her bir canlı için toplanan verilerin de bunu teyit ettiği iddia ediliyor. 

       

Şekil 1.2.14 Çeşitli canlılar için kütle ve metabolik oran ilişkisi. Aslında bu ilişki eğrisi 2/3 üstellik yasası olarak biliniyor ama pratik ölçümler ilişki eğrisinin eğiminin 3/4 yasasına göre olduğunu gösteriyor. Kaynak; Complexity, M.Mitchell


Diğer bir argüman Şekil 1.2.14’te sağdaki iki kuvvet eğrisinin (2/3 ve 3/4)  karşılaştırılmasından kaynaklanıyor. Canlıların metabolik oranlarının daha verimli olması evrim gereğidir. Bu anlamda daha yüksek metabolik oran, gerekli besinin hücrelere dağılıp enerjiye çevriminin daha verimli olması demektir. Metabolik oran açısından daha verimli olan 3/4 üstellik yasası kabul edilirse, kütle/yüzey alanı oranındaki sınır engelinin evrim sürecinde canlıların lehine değiştiğini düşünmek makul bir varsayım olmalıdır. 

1990’lı yıllarda matematikçi ve fizikçi Geoffrey West, ekolojist James Brown ve biyolojist Brian Enquist metabolik oran meselesine farklı bir açıdan yaklaştılar. Metabolik ölçeklendirme oranını (ve diğer biyolojik oranları) yüzey alanı ile sınırlamayıp enerji ve madde dağıtım sisteminin yapısallığına yöneldiler. 



West, Brown ve Enquist metabolik ölçekleme teorisini ortaya attıktan sonra açıklamak amacıyla üç varsayım önerdiler. 

  1. Network dağılım varsayımı. Kılcal damarlara kadar daralan ağ çatallanmaları, hücreler arasında minumum boşluk bırakmak amacıyla, taşıdığı besini optimal ya da en verimli şekilde 3 boyutlu organın her bir hücresine ulaştırmaya çalışır. 
  2. Network’un en küçük çatallanmaları (kılcal damarlar) canlıların kütlesine göre değişmez, fare veya fil olsun kılcal damarlar büyüklük olarak aynıdır, sadece filin daha fazla hücresi ve daha fazla kılcal damarı vardır.
  3. Network tasarımı, besinin dağıtılması için gerekli toplam enerjinin en az seviyede olması üzerine evrimleşmiştir.

Network dağıtım sistemi ya da metabolik dolaşım fizyolojik olarak fraktal yapılardan oluşur. Öklid geometrisi (2/3 üstellik yasası) metabolik oran ölçeklenmesi için uygun değildir, yerine fraktal geometri kullanılmalıdır. West, Brown ve Enquist, neden metabolik oranın kütle ile 3/4 üstellik yasasına göre hesaplanması gerektiğini karmaşık fizik ve matematik modelleme ve denklemleriyle açıkladılar. Açıklamalarının özeti, metabolik oranın kütle (hacim) ile ölçeklendirilmesi aynı yüzey alanının hacim ile ölçeklendirilmesi gibidir, ancak geometrik ölçeklendirme üç boyutlu değil, dört boyutludur. Canlılar üç boyutlu bir evrende yaşamalarına rağmen mikro fizyolojik anatomik yapıları fraktal yapılarından dolayı adeta dört boyut içinde hareket eder. Sağduyumuza aykırı gelse de fraktal boyutluluk oldukça gizemli ve ölçümü nasıl yapıldığına bağlı olarak farklı sonuçlara götürür. Bir futbol topu yakından bakıldığında küre gibi görünür ama çok uzakta olduğunda daire olarak görünecektir. Kılcal damarların fraktal yapısı maksimum verimlilik için minumum alan kaplar ama minumum alan çabası zamanı da verimli kullanmayı içerir. Dolayısıyla, makro seviyede çevre ile ilişkilerimiz üç boyutlu algılanırken mikro seviyede iç yapımızın fonksiyonları adeta dört boyutlu işlev görür. 

Şimdilik 3/4 üstellik yasası başta biyolog topluluğu olmak üzere çeşitli disiplinler tarafından tartışılıyor. Modelin enteresan ve zarif olmasına karşı matematik olarak hatalı olduğu ve 3/4’ün doğru üstel olmadığı gibi birçok eleştiri devam ediyor. 

Ateşan Aybars (4 Nisan 2021)

1 https://en.wikipedia.org/wiki/Power_law 

Scale free, Long tail, Fat tail ya da Power law kavramlarının hepsi üstellik yasası olarak bilinir. Türkçede tam olarak üstelliği ifade etmese de kuvvet yasası olarak kullanılır.

2 https://youtu.be/hCS9MU_RX1c.  Complexity Explorer, metabolic scaling.

3 Çok iddialı bir ifade olmasına rağmen üzerinde çeşitli tartışmalar yapılmaktadır. Ancak, kuvantum fiziğinin (kuvantum biyoloji gibi) çeşitli alanlarda yeni teorilerle ortaya çıkması yeni bilim anlayışının yaygınlaşması sevindiricidir. Zaten, birçok kuvantum kavramının açıklanmasından sonra günümüze kadar sayısız uygulaması gerçekleştirilmiştir ve bu sürecin devam etmesini beklemek son derece mantıklıdır.



27 Mart 2021 Cumartesi

Karmaşıklık (Bölüm 6) (Ateşan Aybars, 27 Mart 2021)

 

Doğrusalsız sistemler ve kaos

Geçici (transient) ve periyodik hareketler doğrusal dinamik sistemlerin, basit ve tek bir denge konumu olan karakteristik özelliğidir. Ancak, geri bildirimler sistemin karakterini değiştirir. Doğrusalsız dinamik sistemler, başlangıç koşullarına duyarlılıkları nedeniyle birden fazla çekerli, birden fazla denge konumu olan ve bu nedenle uzun süreçli davranışlarının net olarak öngörülemediği kaotik sistemlere dönüşür. Çevremizde çoğu fenomen doğrusalsız özellikler göstermesine rağmen konu çeşitli yaklaşımlarla geçiştirilmiş ve ihmal edilmiştir. İçinde yaşadığımız dünyanın doğal olarak karmaşık ve doğrusalsız olmasına karşın bilimsel perspektiften bakıldığında, anlama çabamız sadece modellemeler aracılığıyla yapılabiliyor. Modellemeler, önce sebep-sonuç ilişkisini gösteren basit sistemler için tasarlanmıştı ama artık güçlü hesaplama imkânlarıyla birlikte karmaşık sistemler için de tasarlanabiliyor. 

Bilim ve matematik, yüz yıllarca düzenli geometrik şekilleri tanımlayan doğrusal sistemlere odaklandılar. Ancak, son birkaç on yılda bilim insanları doğrusalsız sistemlere yönelmeye başladılar. Doğrusalsız sistemler, doğrusal sistemlerden farklı olarak, toplama ve homojenlik özelliklerini dışlarlar. Doğrusalsız sistemlerde toplama (süperpozisyon) özelliği yoktur. Bu tür sistemlerin geri bildirim sonrasında giriş ve çıkış değerleri arasında doğrusal ilişki yoktur, çok defa sistemin çıktısı sinerjik fazla ya da çevre etkileri nedeniyle daha az olabildiğinden toplama prensibi geçerli değildir. 

Daha önce örnek olarak gösterdiğim hidrojen ve oksijen atomları birleştiğinde etkileşimin toplama özelliği olmadığından doğrusal olmayan sonuç çıkar. Su molekülü (H2O) sadece hidrojen ve oksijenden ibaret değildir, sinerjik olarak suyun ıslaklık özelliği de belirmiştir. Burada, bütün parçalarından fazla olduğundan toplama prensibi geçerli değildir. Homojenlik özelliği ile anlatılmak istenen ise orandır, sistem çıktısının her zaman sistemin girdisi ile orantılı olmasıdır. Sistemin girdisi ikiye ya da üçe katlanırsa çıktısı da iki ya da üç misli olur; ölçek doğrusaldır ama gerçek dünya da sistem çeşitli etkileşimler nedeniyle kaçınılmaz olarak doğrusal olmayan davranış göstereceğinden, homojenlik ilkesine uymaz. Sonuç olarak, herhangi bir sistem geri bildirim ile etkileşime girdiğinde doğrusal olmayan davranış ortaya çıkacağından toplama ve homojenlik ilkesi geçerliliğini yitirir.


Çevre etkilerinden arındırılmış izole bir sistemin her zaman basit bir çeker etrafında dengeye varacağı yüz yıllar boyu araştırma konusu olmuştur ama çevremize bakarsak basit periyodik dengeleri pek göremeyiz. Dünya, daha karmaşık yapılardan oluşur ve bu karmaşık yapıların ardında birçok etkileşimin neden olduğu, çok çekerli (attractor) ve zaman içinde farklı çekerlere yönelen dinamik sistemleri görürüz.

Klasik örnek olarak sarkaç gösterilebilir. Basit tek parçalı sarkaç, periyodik ve deterministik doğrusal salınımları sonrasında tek çeker etrafında dengeye gelir. İki parçalı sarkaç ele alındığında ise hâla çok basit bir sistem olmasına rağmen, parçaların etkileşimi ile doğrusalsız ve kaotik davranışa sürüklendiği gözlenir ve sistemin davranışı öngörülemez. Diğer bir örnek olarak daha önce bahsettiğim H. Poincare’nin kâbusu olan üç cisim problemi gösterilebilir. Dünya’nın Güneş etrafında dönmesi tek çeker etrafında denge arayan doğrusal bir sistemdir ama üçüncü cisim olarak Ay sisteme dâhil edilirse, iki çeker etrafında iki denge noktası arayan Dünya, yörüngesindeki iki ayrı kütle çekim etkisinden dolayı doğrusalsız dinamik sistem olarak davranmaya başlayacaktır. 

Kaos teorisi: Doğrusalsız basit sistemlerle ilgili olmasına rağmen, başlangıç koşullarına duyarlılık kavramı karmaşık sistemlerde de karşımıza çıkar. Karmaşık sistemlerde bu duyarlılık sistem davranışını aşırı ölçüde etkileyerek faz geçişlerine neden olur. Sistem dengeden çok uzaklaşırsa kolayca yeni çekerlere yönelir. Popüler kelebek etkisi, doğrusalsız sistemlerin başlangıç koşularında çok küçük bir farkın sistem davranışını üstel olarak çok farklı davranışlara yöneltmesidir. 1972 yılında Edward Lorentz bilgisayarına doğru veriler girdiğini düşünüyordu ama kahve molasından döndüğünde bilgisayar çıktısı şaşırtıcı ölçüde farklıydı. Yaptığı detaylı irdelemenin ardından bilgisayara girdiği verinin küsuratını yuvarladığını anladı. Böylece, birçok iterasyon sonrasında çok küçük yuvarlama hatasının bile üstel şekilde büyümesi sistemin başlangıç koşullarına ne kadar duyarlı olduğunu göstermiş oldu. Kelebek etkisi olarak da bilinen bu fenomen, 1970 ve 80’li yıllarda bilim ve matematikçiler arasında kabul görmesiyle birlikte farklı alanlara taşındı ve meteoroloji, tedarik zirciri, elektrik şebekeleri ve uluslararası politika ve diğer birçok alanda gözlendi. 

Çatallanma ve faz geçişleri: Çatallanma ve faz geçişleri doğrusalsız sistemlerin çabukça nitel değişime sürüklenme özelliğidir. Negatif geri bildirim sistemi dengeye getirmek üzere çalışırken pozitif geri bildirim sistemi dengeden uzaklaştırmaya çalışır. Etrafımıza baktığımızda kütle çekim yasasından av-avcı dinamiklerine ya da istikrarlı şekilde uyguladığımız günlük hayatın iniş çıkışlarına kadar her yerde negatif geri bildirim izleri vardır. Pozitif geri bildirim ise sistemi (çevre sınırları dâhilinde) dengeden uzağa taşır. Öyleyse, doğrusalsız sistemlerin başlangıç koşullarında en küçük nicel değişikliklerin sistemin bütününde nitel değişikliğe yol açması faz geçişi olarak bilinir. Bu süreç; önce sistemin yerel elemanlarının değişen çevre koşullarına uyumu ile nitel değişime uğraması, simetri kırılması ve bu değişimin sistemin üst hiyerarşisinde yeni bir belirim olarak tezahür etmesi şeklindedir. Örneğin, buzun suya dönüşmesi termodinamik faz geçişidir. Kritik bir sıcaklıkta ufak bir değişim buzu suya çevirir ve artık su farklı fizik yasalarına bağlı olarak davranır. Nitekim buzun kırılmasından bahsedebiliriz ama su için aynısı söylenemez ya da su için viskoziteden bahsedebiliriz ama gaz için bahsedemeyiz. Buz, su veya buhar hâlleri farklı parametrelere göre tanımlanır, farklı yasalara göre yönetilirler. Faz geçişleri, sosyal, ekonomik, biyoloji, politika, kültür vs. gibi birçok alanda karmaşık adaptif sistemlerin anlaşılmasında önde gelen kavramdır.

Çatallanma teorisi: Faz geçişinde sınır koşullarının değişmesi, uyum ve simetri kırılmasının sonucu olarak doğrusalsız sistem özelliklerinin değiştiğini anlattıktan sonra şimdi çatallanma açısından bu özelliklerin nasıl yönlendiğine bakalım. Faz geçişleri sistem özelliklerinde nitel bir değişime neden olurken çatallanma sistemin kaderini tayin eder. Başlangıç koşullarındaki çok küçük nicel değişiklikler sistemin topolojisini değiştirdiği ve yeni çekerler oluştuğu için artık sistemin davranışı çatallanmanın yeni çekerlerine doğru iki yönde gelişecektir. 

Ateşan Aybars (27 Mart 2021)

21 Mart 2021 Pazar

Karmaşıklık (Bölüm 5) (Ateşan Aybars, 21 Mart 2021)

 

Karmaşık sistemler ve enformasyon 

Enformasyon. Karmaşık sistemler kendiliğinden örgütlenen yapılardır. karıncaların örgütlenerek önlerine çıkan engelleri aşması, beyinde tek tek nöronların elektro-kimyasal etkileşimi ile ortaya çıkan beyin mucizesi, bağışıklık sisteminin düşman hücrelere karşı askeri ordudan daha etkili, amansız savaşı, düzensizlikten düzene geçiştir. Düzen sağlandığında sistemin entropisi azalır. Oysaki açık sistem olarak evrende kozmik kumarhane gibi entropi her zaman kazanır. Karmaşık sistemler üzerine kafa yoran bilim insanları düzen ve düzensizliği ifade etmek için entropinin dikotomik karşıtı olan enformasyon deyimini kullanırlar. Enformasyon ne demektir? Günümüzde enformasyon sözcüğü ile sık sık karşılaşıyoruz. Enformasyon çağı, enformasyon teknolojisi (IT), enformasyon otoyolu vs. Halk arasında televizyon, gazete, internet ya da karşılıklı konuşmaları bilgi (enformasyon) olarak adlandırır ve anlamlandırırız. Teknik olarak enformasyon kablolu yayın, fiber optik, bilgisayardan diğer bilgisayara sinyal iletişimi ile çeşitli konuların ifade edilmesidir. Bilgisayarların hayatımıza girdiği günden bu yana bilgisayar mühendisleri, enformasyon ve veri işlemenin (data processing) sadece elektronik devrelerde yapılmadığını ama canlı sistemlerde de gerçekleştiğini düşünüyorlardı. Bu sistemlerde bilgi işlem ve data processing konularının anlaşılması için önce bir kaç ilgili tanım anlaşılmalı

Enerji, İş ve Entropi. Enformasyon üzerine çalışmalar termodinamik kavramı ile başladı. 19. yüzyıl fizikçileri tüm evrenin enerji ve maddeden oluştuğunu düşünüyorlardı. Enerji tanım olarak bir sistemin iş yapabilme yetisini gösterir. Zemine paralel bir F kuvveti cisme yol aldırabiliyorsa iş yapıyor demektir. Yapılan iş, kuvvet ile yolun çarpımına eşittir. İş W sembolü ile gösterilirse, W = F. x (Newton metre = joule) olur. Örnek olarak, düz bir yolda bozulan otomobilin itilmesine bakalım. Vücudun potansiyel enerjisi otomobilin kinetik enerjisine (hareket) dönüşür ve enerjinin sakınımı yasasına göre dönüşen enerji yapılan iş ve ısı kaybının toplamına eşit olmalıdır. Burada ısı kaybı tekerleklerin sürtünmesi, vücut terlemesi gibi kayıpların toplamıdır. Tekrar işe dönüştürülemeyen ısı kaybının ölçüsü termodinamiğin ikinci yasası olarak bilinen entropidir. Zaman oku olarak da bilinen entropi yasası tüm fizik yasaları arasında tek yönlüdür, tersinir değildir. Dışarıdan enerji alamayan kapalı sistemlerde her zaman düzensizlik artar, entropi kazanır. Enerji yitirgen (dissipative) açık sistemlerin, düzensizliğe karşı dışarıdan enerji alarak denge sağlamaya çalışması entropiye karşı sadece direniştir. 

Maxwell’in şeytan paradoksu. Elektrik ve manyetizmayı mükemmel denklemler ile birleştiren teorisi ile bilinen James Clerk Maxwell, 1871 yılında yayınlanan “Theory of Heat” isimli kitabının “Limitation of the Second Law of Thermodynamics” kısmında bir paradokstan bahseder ve bu paradoksu düşünce deneyi ile açıklar. Şekil 1.1.1. 

Deneye göre, çevresi ile enerji alış verişi olmayan ve eşit sıcaklıkta iki bölümü olan bir kutu ele alınır. Kutunun hayali bir şeytan tarafından kontrol edilen menteşeli (sürtünmesiz açılıp kapanabilen) bir kapağı vardır ve şeytan bu kapağı açıp kapayarak enerjisi yüksek, hızlı hareket eden molekülleri sol bölümde yavaş hareket eden molekülleri sağ bölümde toplayacak şekilde kapıyı gerektiği gibi açıp kapatarak tüm hızlı moleküller sol bölümde tüm yavaş olanlar ise sağ bölümde toplanırlar. Başlangıçta entropisi yüksek olan dağınık durum, şeytanın düzenleyici çabasıyla değişmiş ve sistemin entropisi azalmıştır.

 


Şekil 1.1.1 Maxwell’in şeytan paradoksu düşünsel deney kutusu.


Termodinamiğin ikinci yasasına göre bir sistemin entropisinin azalması için sisteme enerji vermek, iş yapmak gerekir. Şeytan tarafından nasıl bir iş yapıldı? Maxwell şeytanın kontrol ettiği kapağın kütlesiz ve sürtünmesiz olduğunu, şeytanın başka bir iş yapmadığını varsaydığına göre entropi nasıl azaldı? Termodinamiğin ikinci yasası ihlal edilmiş olmuyor mu? Maxwell’in şeytanı 19. yüzyıl hatta 20. yüzyılda önde gelen bilim adamlarının kafasını karıştırmıştı. Maxwell’in bu paradoksa kendi cevabı ise entropi yasasının yasa olmaktan çok istatistiksel bir olgu olduğu şeklindeydi. Ancak, fizikçilerden öfkeli tepkiler geldi. Termodinamiğin ikinci yasasının ihlal edilemeyeceği, sorunun şeytan ile ilgili olduğu düşünülüyordu. 

Birçokları bu paradoksu çözmek için 60 yıl boyunca uğraştılar ama 1929 yılına kadar çözüm öneremediler. Hamle, 1929 yılında Macar asıllı fizikçi Leo Szilard’dan geldi. Çözüm, şeytanın zekâsı. Şeytan kapağı rastgele açıp kapayamaz, her bir molekülü doğru yönlendirmek için tek tek hız ve pozisyonlarını bilmek zorundadır ve bunun için hafızasında enformasyonu (bilgi) artırmak durumundadır, yani şeytanın hafızasındaki enformasyonun artan entropisi, moleküllerin tasnif edilmesi nedeniyle kutunun azalan entropisini karşılamaktadır. Ancak, şeytanın hafızası (kapasitesi) sınırlıdır, tamamen dolduğunda bilginin bir kısmını silmek zorundadır (Rolf Randauer’in önermesi) ve bunu yaparken harcadığı enerji çevrenin (evrenin) entropisini azaltır. 

Enformasyonun silinmesi canlı cansız (nöron, yarı iletken lojik devreler, elektron kuvantum durumları vs.) her şey için geçerlidir. Böylece tüm sistem (kutu, moleküller ve şeytan) ikinci termodinamik yasaya göre uygun davranmış olacaktır. Termodinamiğin ikinci yasasının geçerliliğini korumaya devam etmesi tüm bilim insanlarının rahat bir nefes almasını sağlamıştır. Maxwell’in şeytanı ve moleküller ile ilişkisi 20. yüzyıl başında kuvantum fiziğinin gelişmesine (gözlemcinin deneyin parçası olması) yol açmıştır.

Şeytan paradoksu zaman içinde çeşitli yorumlardan sonra geçerliliğini korudu ama Szilard, ilk defa entropi ile enformasyon arasında bağlantıyı kurarak enformasyon teorisinin temelini atan ilk bilim insanı oldu. 

İstatistiksel Mekanik. Ludwig Boltzman, bu konuda çalışmaları ile istatistiksel mekaniğin kurucusu olarak bilinir. Klasik mekanik disiplinine göre bütün sistemlerin hareketi (molekül, ısı vs.) Newton yasalarına göre teorik olarak hesaplanabilir ama trilyonlarca molekülün tek tek davranışlarını hesaplamak çok zordur ya da mümkün değildir. İstatistiksel termodinamik ve mekanik tek tek moleküllerin davranışını hesaplamak yerine “mikro durum” denilen molekül kümelerinin ortalama davranışlarını hesaplamaya çalışır. Ancak, istatistik yaklaşımın bir problemi var. Nitekim dönemin önde gelen bilim insanları tarafından S. Boltzman’ın çalışmalarının kabul görmemesi 1906 yılında Boltzman’ı intihara kadar sürüklemişti. 

İstatistiksel yaklaşım makro sistemin olası davranışlarını açıklar ama mikro sistemlerin olasılık olarak sağduyuya karşı gelen konfigürasyonları olabilir. Örneğin, bir oda içinde hava molekülleri rastgele hareket ederler (maksimum entropi) ve oda içinde herkes rahatlıkla nefes alabilir. Ancak, istatistiksel mekaniğe göre hava moleküllerinin tümü çok ama çok düşük bir olasılıkla da olsa odanın bir köşesinde toplanabilirler. Böyle bir köşede bulunan bir insan hava basıncından ölebilir, odanın diğer bölgesinde olan bir insan ise havasızlıktan ölür. Gerçekte böyle bir olasılık hiç yaşanmadı ama Newton yasasına göre böyle bir olasılığın olamayacağından söz edilemez. L. Boltzman, yeterli ölçüde mikro sistemlerin (molekül kümeleri) ortalamasının her zaman doğru sonuç vereceğini iddia etmesine rağmen önceleri fazla ilgi görmedi ama kısa süre sonra kuvantum fiziğinin öncülerinden M. Plank, “mor ötesi felaketi” çaresizliğinden L. Boltzman’ın entropi ve olasılık fikirlerine başvurarak kurtulabildi. Sistemin bütününün “makro durum” davranışı S. Boltzman denklemi (S = k . Log W) ile ifade edilir.

Özetle, klasik mekanikte Newton hareket denklemleri ile sistemin davranışı hesaplanır. Termodinamik ise ısı, enerji, entropi gibi makro durum yasalarını belirler. İstatistiksel mekanik her ikisi arasında köprüdür, mikro durumlardan kaynaklanan makro durumların davranışlarını inceler.

Shannon enformasyonu. 1940’lı yıllarda telefon ve telgrafın keşfi ardından Claude Shannon, S. Boltzman’ın istatistiksel dinamik fikrini iletişim alanına uygulamak istedi. AT&T şirketinde çalışırken telefon ve telgraf hatları üzerinden data iletim problemini hızlı ve güvenli şekilde çözmek için kolları sıvadı. 

Bilgi teorisinin temel fikri, bir iletinin bilgi değeri o iletinin içeriğinin ne kadar şaşırtıcı olduğuna bağlıdır. Beklentiler çerçevesinde açıklanan bir veri, rapor vs. fazla ilgi çekmez, şaşırtıcı değildir, enteresan da değildir, sıkıcıdır, sürpriz yoktur. Dolayısıyla, böyle bir ileti çok az yeni bilgi taşır. Oysa bir olayın gerçekleşme olasılığı sürpriz bir şekilde düşükse, çok daha bilgilendiricidir. Örneğin, herhangi bir sayının piyangoda kazanma şansı düşüktür, bilgi içeriği çok azdır, ama belirli bir sayının piyango kazanacağı (her nasılsa) bilgisi değerlidir, çünkü çok düşük bir olasılık konusunda bilgi verir, şaşırtır. 

Entropi-enformasyon (negentropi) ilişkisini vurgulamak için tekrar madeni parayı ele alalım. Termodinamik entropi herhangi bir durumun düzensizliğinin ölçüsü olarak tanımlanmıştı. Madeni paranın (hilesiz) yazı ya da tura gelme olasılığının aynı olması madeni paranın entropisinin maksimum olması demektir. Yazı ya da tura geleceğini önceden bilemeyiz. Seçim yapılmasının da ortalama bir avantajı yoktur, her seferinde bir öncekinden bağımsız sonuç olduğundan her iki olasılık da aynıdır. Shannon, yazı-tura atmanın bir bit entropisi olduğu varsayarak başlar (sonucu önceden kestirmek için bir bit enformasyon yeterli). Ama madeni paranın iki yüzü tura olarak tasarlanırsa hep tura geleceğinden entropisi sıfır olur ve sonuç kesin olarak bilinir (sürpriz yok). Shannon’un enformasyon içeriğinin Boltzman’ın entropi tanımıyla aynı olduğu görülüyor. Shannon 1948 yılında yazdığı makalede enformasyon içeriğinin ileti gönderenin entropisi olarak tanımlamıştı (Shannon entropisi). İçerik bir harf, kelime veya cümle olabilir. 


Boltzman Entropi


Shannon Entropi (Information)

Mikro durumlar: Makro durumların alt kümesi 

Mesaj: Sembol, numara veya kelime

Makro durumlar: Mikro durumların toplamı

Mesaj kaynağı: Bir dizi olası mesaj içinde her bir mesajın olasılığı

Entropi S: Tüm alt kümelerin herhangi bir konumda bulunma olasılığı eşit.

S (macro durumlar) = k log W 

Joules per Kelvin (J/K).

Informasyon içeriği H: Olası mesaj sayısı M ise (tüm mesajların olasılığı aynı) 

H (mesaj kaynağı) = log2 M

H, mesaj başına bits olarak ölçülür.

Tablo 1.1 Termodinamik entropi ile enformasyon entropisinin karşılaştırılması.


Bilgi işlem (Computation). Bilgisayarın icadından bu yana bilginin işlenmesinde bir hayli yol alındı. Günümüz bilgisayar mimarisinde bilgi işlenmesi genel olarak CPU etrafında hafıza elemanları kullanılarak yapılır ve sonuç çıktı olarak elde edilir. Son yıllarda evrensel (universal) bilgi işlenmesi konusunda daha karmaşık sistemlerin çözümüne yönelik çalışmalar hızla ilerliyor. Evrensel bilgi işlenmesinde (programlanabilir bilgisayar), girdi olarak bilgi yerine karmaşık sistemlerin çözümüne ilişkin yazılımın bütününün kullanılması amaçlanıyor. Ancak, bu tür bilgisayarlar bile her şeyi çözebilirler mi, sınırları var mı?  Bu sorular henüz matematiksel cevap bekliyor.

Ateşan Aybars (21 Mart 2021)

__________________________________

1 Complexity A Guided Tour, Kindle edition s.43. Melanie Mitchell.  

https://en.wikipedia.org/wiki/Maxwell%27s_demon


2 Complexity A Guided Tour, Kindle edition s.47. Melanie Mitchell.  

https://en.wikipedia.org/wiki/Ludwig_Boltzmann 


3 Complexity A Guided Tour, Kindle edition s.51. Melanie Mitchell.  

https://en.wikipedia.org/wiki/Claude_Shannon  (1916-2001) 



14 Mart 2021 Pazar

Karmaşıklık (Bölüm 4) (Ateşan Aybars, 14 Mart 2021)

 

Karmaşık sistemlere yaklaşımlar

Karmaşıklık çalışmaları geliştikçe iki farklı belirimi inceleyen iki ayrı alt grup oluşmaya başladı. Karmaşık fiziksel sistemler (KFS) ve karmaşık adaptif sistemler (KAS). Birçok akademisyen bu iki farklı sınıflama yerine, aralarındaki ortak özelliklerin girift ilişkilerinden dolayı, karmaşıklık kavramını bir bütün olarak ele alırlar ve tüm sistemleri, doğa ya da sosyal, birlikte incelerler. Diğer bir kısım akademisyen topluluğu ise her iki sistemin farklı özelliklerinden hareketle daha anlaşılır bir yaklaşımı tercih ediyorlar. Karmaşıklık kavramı birçok disiplini içerdiğinden bende ikinci yaklaşımı tercih ediyorum.

Karmaşık fiziksel sistemler: Bu tür sistemlerde hücresel otomata denilen elemanlarla geometrik düzenekler üzerinde modelleme yapılır. Dama tahtası benzeri düzeneklerde, hücresel otomata etkileşimi sadece komşu hücrelerle ve basit ama tanımlı kurallara göre gerçekleşir. 1956 yılında Von Neumann bu tür bir basit düzenek üzerinde, hücresel otomata etkileşimleri sonucunda kendi kendini yaratan yapılanmalar gözledi. Oysa o zamana kadar kendi kendini yaratmak sadece biyolojiye ait bir özellik olarak düşünülüyordu.

Karmaşık adaptif sistemler: Genel sistem teorisi ile başlayan sistem sınıflandırılmasına göre anlaşılması daha zor olan sistemlerdir. Karmaşık fiziksel sistemlerden farklı olarak karmaşık adaptif sistem elemanı ajan (agent) olarak bilinir ve sabit değildir. Ajanlar çevre ile etkileşimlerinden öğrenir ve evrimleşirler, örgütlenmelerini bir üst hiyerarşiye aktarırlar. Örneğin, borsalarda alım satım yapan bireyler (ajanlar) ekonomik verilere göre sürekli olarak pozisyonlarını değiştirirler ve bu etkileşim faaliyetleri çok defa bireylerin davranışını (hırs ya da korkularını) besleyerek ekonomik çöküş ya da balonlara yol açar. 21. yüzyılın meydan okuyan uğraşı alanları olarak bağışıklık sisteminin iyileştirilmesi, sürdürülebilir ekolojik sistem, zihinsel bozuklukların tedavi edilmesi, küresel ticaretin düzenlenmesi gibi önemli konuların çözümleri için üst hiyerarşideki karmaşık adaptif sistemlerde en alt hiyerarşideki ajanlar arasındaki etkileşimlerin anlaşılması gerekir. Örneğin, yağmur ormanlarında sık sık yağan yağmur toprakta bulunan besleyici maddeleri en yakın su akıntılarına taşır ama bu besleyici maddelerin eksikliği ormanın sakinleri tarafından çeşitli havzalarda toplanır. Karmaşık ekolojik zincirde, en basit canlılar bile çeşitli etkileşimleri sayesinde canlılıklarını sürdürürler. Orman sakinleri çevre koşullarına uyum sağladıkça yeni sakinler belirir ve yeni etkileşimlerle sistem daha karmaşık bir seviyeye sürüklenir. Dolayısıyla, karmaşık sistemlerin analiz edilmesi hatta tanımlanabilmesi bile karmaşık geri bildirim çevrimlerinden dolayı oldukça zordur.   

Karmaşık fiziksel sistemlerde yasalar, belirli bir başlangıç durumunun nasıl değişebileceğini sınırlar ve genellikle kısmi diferansiyel denklemlerle formüle edilebilir. Denklemin değişkenleri, Newton denklemlerindeki pozisyon, momentum, zaman gibi sistem hâllerini belirler. Kısmi diferansiyel denklemlerin sonuçları genellikle aritmetik olarak toplanabilir. Yani, tipik bir fizik sisteminde bütünün, kabaca parçalarının toplamına eşit olması kısmi diferansiyel denklemlerin kullanılmasını mümkün kılar. Ancak, bunun kesin olmadığını daha sonra açıklamaya çalışacağım.

Karmaşık adaptif sistemlerde ise çevre koşullarına uyum sağlayan, değişen adaptif ajanların sürekli yapılanmaları analiz yapılmasını zorlaştırır. Öncelikle, ajanlar arasındaki etkileşimler doğrusal olarak toplanamaz. Doğrusalsız (non-linear) olan bu özellik, kısmi diferansiyel denklemlerin kullanılmasını engeller. Yani, kendiliğinden yapılanmanın sonucu olarak belirimin neden olduğu sinerjik toplam, matematik veya bilimsel yöntemlerle tanımlanamaz. Dolayısıyla, biyoloji, ekonomi, sosyal bilimler ve kültür gibi alanlara ait karmaşık adaptif sistemler için standart bir dil olmadığından formülasyonu son derece zordur. Karmaşık adaptif sistemleri bu çıkmazdan bir adım öteye taşımak için veri toplayıp organize etmek yerine çok sayıda ajanın etkileşimini açıklayacak ortak bir dile ihtiyaç vardır. Noam Chomsky’nin “universal grammar-UG” denilen dil bilimi çalışmalarına benzer çalışmalar karmaşık adaptif sistemler için ortak bir dil özlemini zaman içinde yerine getirebilir. 

Ateşan Aybars (14 Mart 2021)

1 İngilizce de cellular automaton (CA) tekili, cellular automata çoğulu (CAs) ifade eder. Türkçe ile ifade edildiğinde hücresel otomata tekil anlamında kullanılıyor. Çoğulu hücresel otomatalar.

2 Karmaşıklık ekonomisinde ajan birey olarak kullanılacaktır.